Скачать
прайс-лист
Бесплатная
доставка по РФ
Distribution of
Server Components
+7 (921) 769-29-19 Консультация IT-специалиста

Серверы для анализа данных и машинного обучения

Фильтры
Подбор параметров
Розничная цена
От
До
154 600
398 350
642 100
885 850
1 129 600
В наличии
Тип
Бренд (Производитель)
Показать еще
Модель
Модель

Обуславливает модель серверного шасси, лежащую в основе выбранной конфигурации

Показать еще
Форм-фактор (монтаж в стойку)
Форм-фактор (монтаж в стойку)

Обуславливает габариты сервера для монтажа в 19” телекоммуникационный шкаф.

Показать еще
Сервер под задачу
Показать еще
Гнездо процессора
Гнездо процессора

Определяет физическую совместимость материнской платы с процессорами. Сокеты отличаются типом LGA(Иголки со стороны материнской платы) и PGA(Иголки со стороны процессора).

Показать еще
Семейство процессоров
Семейство процессоров

Отображает принадлежность процессора к определенной линейке и соответствующему поколению.

Показать еще
Количество процессоров
Количество процессоров

Определяет максимальное количество процессоров возможное к установке в материнскую плату. Часто серверные материнские платы 2х процессорные, но существуют и 4х процессорные варианты.

Количество ядер
Количество ядер

Описывает количество конвейеров для одновременной обработки информации в процессоре. Чем больше ядер, тем большее кол-во одновременных операций может выполнять процессор. Яркий пример – виртуализация, где под каж

От
До
16
44
72
100
128
Базовая (тактовая) частота процессора
Базовая (тактовая) частота процессора

Базовая частота процессора позволяет сравнить уровни производительности процессоров одного семейства. Intel Xeon Gold 61xx с базовой частой в 2GHz будет заметно менее производительный на одн

От
До
2
2
3
3
4
Частота в TurboBoost
Частота в TurboBoost

Описывает максимально теоретически возможную тактовую частоту процессора. Как правило в рамках длительных нагрузок эта частота достижима только на одно ядро процессора. В случае нагрузки процессора более чем

От
До
3
3
4
4
4
Тип памяти
Тип памяти

Определяет поддерживаемый тип памяти процессором(DDR4 ECC REG(регистровая, буферизированная), UDIMM ECC DDR4(буферизированная не регистровая), DDR3 ECC REG, UDIMM ECC DDR3.

Объем оперативной памяти, ГБ
От
До
64
304
544
784
1024
Форм-фактор дисковых корзин
Форм-фактор дисковых корзин

Описывает размер накопителей(3.5", 2.5"). В зависимости от размера отсеков меняется обратная совместимость. Накопитель 2.5" можно установить в 3.5" отсек при помощи переходника, 3.

Показать еще
Поддерживаемые интерфейсы дисков
Показать еще
Количество корзин 3,5 дюйма с горячей заменой
Количество корзин 2,5 дюйма с горячей заменой
Накопители NVMe(M2, U2)
RAID controller
Показать еще
Сетевая карта
Показать еще
Сетевые интерфейсы
Показать еще
Видеовыходы/Видеоразъемы
Модуль удаленного управления
Показать еще
Количество БП(Резервирование)
Блок питания
Показать еще
Чипсет
Показать еще
Тип сервера
Показать еще
Глубина серверной платформы
От
До
723
766
809
851
894
Гарантия
Сортировать по
18/49 товаров
Сервер HP ML350G9 5U 8SFF
Сервер Supermicro SuperServer 4028GR-TR 4U 24SFF
Сервер Supermicro SuperServer 4028GR-TR 4U 24SFF
Сервер Supermicro SuperServer 4028GR-TR 4U 24SFF
Сервер Supermicro SuperServer 1028GQ-TR 1U 2SFF
Сервер Supermicro SuperServer 1028GQ-TR 1U 2SFF
Сервер Supermicro SuperServer 1028GQ-TR 1U 2SFF
Сервер HP ML350G9 5U 8SFF
Сервер HP ML350G9 5U 8SFF
Сервер Supermicro SuperServer 1028GQ-TR 1U 2SFF
Сервер Supermicro SuperServer 1028GQ-TR 1U 2SFF
Сервер Supermicro SuperServer 1028GQ-TR 1U 2SFF
Сервер Supermicro SuperServer 4028GR-TR 4U 24SFF
Сервер Supermicro SuperServer 4028GR-TR 4U 24SFF
Сервер Supermicro SuperServer 4028GR-TR 4U 24SFF
Сервер HP ML350G9 5U 8SFF
Сервер HP ML350G9 5U 8SFF
Сервер HP ML350G9 5U 8SFF

Функции и задачи, которые поможет решить виртуальная машина Data Science (DSVM)

Упрощение подготовки окружения для обучения ML-моделей

Вы можете обучать и тестировать свои модели с помощью предустановленных инструментов и фреймворков, таких как TensorFlow, PyTorch и Scikit-learn.

Получение необходимых ресурсов для обучения моделей машинного обучения

Серверы с GPU идеально подходят для работы с нейросетями, ускоряя процессы классификации изображений, распознавания речи, сегментации клиентов и разработки сервисов рекомендаций и чат-ботов.

Ускорение обработки и анализа данных

Благодаря ресурсам сервера и установленным библиотекам, таким как NumPy, Pandas и Scikit-learn, вы можете обрабатывать данные и выполнять высокопроизводительные вычисления быстрее.

Сокращение затрат на GPU-ресурсы

Настройте технологию MIG на основе видеокарт А100 и А30, чтобы аппаратно разделить GPU на сеть экземпляров. Это позволит вам изменять количество и тип GPU-ресурсов в зависимости от потребностей и повысить утилизацию вычислительных ресурсов за счет разделения одной GPU между разными задачами.