{{ 'fb_in_app_browser_popup.desc' | translate }} {{ 'fb_in_app_browser_popup.copy_link' | translate }}

{{ 'in_app_browser_popup.desc' | translate }}

DCT / LEARNING GUIDE / 02

AI 教育電腦 選購指南

從第一行程式,
走向你的 AI 專題。

先認識學習路徑,再選擇運算設備。
從 Python 入門到本地模型,把預算放在需要的地方。

程式入門雲端學習本地模型

●   LEARNING LAB

YOUR NEXT SETUP

CODE.
EXPLORE.
BUILD.

 
 
 
 
 
 
 
 

把好奇心,變成下一個作品。

01 / SCENARIO

先分清楚三種學習情境

EXPLORE / 01

程式與資料分析入門

學習 Python、Notebook、資料整理及基礎機器學習,先重視 CPU、記憶體與 SSD。依課程指定的作業系統與套件建立環境。

EXPLORE / 02

雲端 AI 課程

使用 Colab 託管執行環境時,模型在雲端執行;本機主要負責瀏覽器與資料整理,不必只為雲端運算購買高階顯卡。雲端 GPU 的供應、額度及時限依服務方案而定。

EXPLORE / 03

本地模型與深度學習實作

要在自己的電腦推論或訓練時,先確認框架、模型及顯卡支援。模型大小、精度、批次量與輸入長度會改變 VRAM 需求,不能只看「AI 電腦」名稱選購。

02 / HARDWARE

硬體配置看這四個重點

01CPU:負責程式執行、資料前處理與多工;依資料量和實際課程選型。

02GPU/VRAM:本地加速才需要對應的顯卡與軟體環境;先確認模型能否放入記憶體,再比較速度。

03RAM:資料集、Notebook 與瀏覽器會共同使用記憶體,容量不足時先縮小資料量或分批處理。

04SSD:保留環境、模型、資料集與備份空間,避免只估算作業系統的容量。

03 / CONFIGURATION

依學習階段規劃配置

以下為選配起點,並非所有課程或模型的最低需求。

CONFIGURATION / 01

入門程式/雲端課程

可從 16GB RAM、512GB~1TB SSD 規劃;顯示輸出需求不高時,可評估具內顯的處理器。

CONFIGURATION / 02

資料分析/多工具實作

可從 32GB RAM、1TB SSD 規劃,CPU 依資料處理負載選擇;若課程使用雲端 GPU,本地獨顯可另行評估。

CONFIGURATION / 03

本地模型/專題研究

先提供模型名稱、推論或訓練用途與框架版本,再決定 GPU 與 VRAM。RAM 可從 32~64GB、SSD 從 1~2TB 討論;較大的資料集或模型可能需要更多資源。

04 / WORKFLOW

購買前準備這份清單

01

課程指定的軟體、版本與作業系統。

02

雲端執行或本地執行;是否要求 GPU。

03

資料集大小、模型名稱及預計的作業方式。

04

教室網路、螢幕接口與未來升級需求。

已有電腦可先完成入門課程,觀察 CPU、RAM 與儲存瓶頸,再決定升級項目。

05 / QUESTIONS

常見問題

EXPLORE / 01

學 AI 一定要獨立顯卡嗎?

不一定。程式入門及使用雲端執行環境可先以一般電腦開始;本地 GPU 加速則要確認框架和顯卡相容性。

EXPLORE / 02

顯卡越貴,就能訓練所有模型嗎?

不能如此判斷。容量、運算支援、模型規模與訓練方法都會限制可執行的工作。

參考:Google Colab 官方常見問題。配置以實際課程及軟體需求確認。

LET’S BUILD YOUR NEXT SETUP

把你的需求,變成合適的配置。

準備使用軟體、工作內容、預算與現有設備,讓 DCT 協助確認相容性與升級方向。

諮詢主機配置 ↗返回工作站指南總覽 →

4萬