健康予測モデル構築用マシン | 研究開発者向け情報発信メディア TEGAKARI

事例No.PC-10619をご覧になったお客様より、健康予測モデル構築用マシンをご相談いただきました。
疫学データを用いて、将来の健康の予測モデル構築や測定項目間の因果探索を実施することを目的とされており、予算280万円以内で可能な限り処理速度の速いPCをご希望です。

現状としては、Pythonでの解析を行っており、パッケージとしてはRandomForest、LightGBM、LiNGAM、pgmpyを使用されています。また、扱っているデータは最大で1万行×1万列であり、現状では計算にかかる時間が非常に長くなっている点が課題です。
使用するパッケージにGPU性能は必要ないため、現状ではGPU性能は重視されていませんが、将来的には深層学習の実施や、より大規模なデータを取り扱う予定があるとうかがっています。その点を踏まえて、ビデオカードが増設可能なマザーボードをご希望です。

具体的には、以下の条件をご連絡いただいています。

・CPU：AMD Ryzen ThreadripperPRO 5975WX もしくは 5995WX
・メモリ：256GB以上
・ストレージ：4TB SSD以上
・OS：Windows 11 Professional 64bit
・使用するソフトウェア：python(RandomForest、LightGBM、LiNGAM、pgmpyなど)
・予算：280万円以内

上記の情報を踏まえて、弊社からは以下の構成をご提案しました。

CPU	AMD Ryzen ThreadripperPRO 5995WX (2.70GHz 64コア)
メモリ	512GB REG ECC
ストレージ1	4TB SSD S-ATA
ストレージ2	16TB HDD S-ATA
ビデオ	NVIDIA Geforce RTX4090 24GB
ネットワーク	on board (1GbE x1, 10GbE x1)
筐体+電源	タワー型筐体 + 1600W
OS	Microsoft Windows 11 Professional 64bit

お問い合わせ事例PC-10619の構成をベースに、さらにスケールアップした構成です。
具体的には、並列処理性能の向上のため、CPUを上位モデルに変更し、メモリ搭載量を倍増しています。

ビデオカードの優先度は低いとのことでしたが、CPUを最上位品にしてもご予算に余裕があることに加えて、将来的にDeepLearningを実施する予定があるとうかがいましたので、ハイエンドモデルであるNVIDIA Geforce RTX4090 24GBを選択しました。

Geforce RTX4090 24GB は16,384基のCUDAコア、512基の第4世代Tensorコア、24GBのGDDR6X VRAMを搭載しているため、DeepLearningへの活用が期待できます。DeepLearningへの対応が必要ない場合は変更も可能です。

マザーボードに関しては、拡張性を確保した選定を行っています。
具体的な拡張予定のご要望がありましたら、それに合わせた構成の調整も可能ですのでお申し付けください。

本事例の構成は、お客様から頂戴した条件を元に検討した内容です。
いただいた条件に合わせて柔軟にマシンをご提案いたしますので、掲載内容とは異なる条件でご検討の場合でも、お気軽にご相談ください。

■キーワード

・Pythonとは
Pythonは、Python Software Foundation (PSF) が著作権を保持する、オブジェクト指向プログラミング言語。プログラミングの構文がシンプルなため可読性が高く、目的に応じたライブラリやフレームワークといったコンポーネントが豊富に揃っていることも特徴。プログラミングの初学者から上級者に至るまで人気の言語。

参考：Python ※外部サイトに飛びます

参考：【特集記事】プログラミング言語 Python その人気の理由は？- Python プログラミングを加速するツールたち ※弊社オウンドメディア「TEGAKARI」に飛びます

・DeepLearningとは
DeepLearningは機械学習の一種であり、多層のニューラルネットワークを用いて高度なパターン認識や予測を行う手法。一般的に大量のデータを必要とするため、データが豊富な場合に効果的な手法とされている。
また、DeepLearnigは画像認識や音声認識、自然言語処理などの分野で広く用いられている。複雑な特徴や関係性を学習することができるため、従来の機械学習手法よりも高い精度を発揮することができる。