• Saltar al contenido principal
  • Skip to secondary menu
  • Saltar a la barra lateral principal
  • Saltar al pie de página
  • Inicio
  • Secciones
    • Ciencia de datos
    • Criptografía
    • Herramientas
    • Machine Learning
    • Noticias
    • Opinión
    • Productividad
    • Programación
      • JavaScript
      • Julia
      • Matlab
      • Python
      • R
  • Programación
    • JavaScript
    • Julia
    • Matlab
    • Python
    • R
  • Laboratorio
    • Estadística
      • Calculadora del Tamaño Muestral en Encuestas
      • Calculadora de estadísticos descriptivos
      • Test de normalidad
      • Calculadora de contrastes de hipotesis
      • Calculadora de tamano del efecto
      • Simulador de Regresión Lineal con Ruido
      • Visualizador de PCA
      • Visualizador de Series Temporales
      • Simulador de Regresión Logística
      • Simulador de K-Means
      • Simulador de DBSCAN
      • Detector de la Ley de Benford
      • Ajuste de Curvas
      • Calculadora de Matrices
    • Probabilidad
      • Calculadora de Probabilidad de Distribuciones
      • Calculadora de Probabilidades de Lotería
      • Simulador del Problema de Monty Hall
      • Simulador de la Estrategia Martingala
    • Finanzas
      • Calculadora de Préstamos e Hipotecas
      • Conversor TIN ↔ TAE
      • Calculadora DCA con ajuste por inflación
      • Calculadora XIRR con Flujos Irregulares
      • Simulador FIRE (Financial Independence, Retire Early)
    • Negocios
      • CLV
      • Scoring
    • Herramientas
      • Formateador / Minificador de JSON
      • Conversor CSV ↔ JSON
      • Comparador y Formateador de Texto y JSON
      • Formateador y Tester de Expresiones Regulares
      • Inspector de JWT
      • Generador y verificador de hashes
      • Codificador / Decodificador Base64 y URL
      • Conversor de bases numericas
      • Conversor de Timestamp Unix
      • Conversor de colores
      • Generador de UUIDs
    • Juegos
      • Tres en Raya
      • Nim con Q-Learning
    • Más
      • Método D’Hondt
      • Generador de Contraseñas Seguras
  • Noticias
  • Boletín
  • Contacto
  • Tienda
    • Libros
    • Equipamiento de oficina
    • Equipamiento en movilidad

Analytics Lane

Ciencia e ingeniería de datos aplicada

  • Ciencia de datos
  • Machine Learning
  • IA Generativa
  • Python
  • Pandas
  • NumPy
  • R
  • Excel

Revisión del Lenovo ThinkBook 14 Gen 3 AMD

Windows

abril 22, 2022 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 4 minutos

El año pasado publiqué una guía para seleccionar un portátil con el que realizar tareas de Machine Learning. Incluyendo en esta una lista de modelos con los que se puede realizar correctamente el entrenamiento de modelos como otros más avanzados, con GPU dedicada, para su uso en tareas de cálculo intensivo con Tensor Flow. En esta ocasión quiero analizar un portátil que he tenido la suerte de probar recientemente y con el que se obtiene muy buen rendimiento: ThinkBook 14 Gen 3 AMD.

* En este artículo, nuestras recomendaciones son el resultado una evaluación rigurosa e independiente. Algunos enlaces incluidos en el texto son enlaces de afiliados, lo que significa que podemos recibir una comisión si decides realizar una compra a través de ellos. Esta comisión no afecta de ninguna manera a nuestra selección de productos ni influye en nuestra opinión sobre los mismos.

Primer impresión del ThinkBook 14 Gen 3 AMD

Al abrir la caja en la que viene el portátil la primera impresión es bastante buena. El equipo da la impresión de tener una buena construcción al estar construido con una carcasa metálica, por lo que parece el típico PC de plástico. Por un lado, cuenta con dos puertos USB-C, que sirven para cargar el equipo, un puerto HDMI, un puerto USB-A y la entrada de auriculares. Por el otro lado un lector de tarjetas SD, un USB-A, un conector RJ45 y una ranura de seguridad Kensington. Puertos más que suficientes, dada la versatilidad que ofrecen los puestos USB-C. Aunque, en los modelos con procesador AMD, los puestos UCB-C no son tipo Thunderbolt, solamente USB 3.2 de segunda generación.

Los récords con asterisco, o la épica del titular sin contexto – El bestiario de los indicadores económicos absurdos (parte 8 y final)
En Analytics Lane
Los récords con asterisco, o la épica del titular sin contexto – El bestiario de los indicadores económicos absurdos (parte 8 y final)

Al cogerlo no se nota demasiado pesado, solamente 1,4 Kg, un peso similar al de un MacBook Pro, aunque sea bastante más grueso, unos 17,9 mm.

En la caja también se encuentra un cargador pequeño de 65W que no añade mucho peso al portátil. Más que suficiente para cargar su batería de 45W. Aunque, afortunadamente con la estandarización de los puertos USB-C, ya no es necesario usar el cargador que vienen con los portátiles, sino que se puede usar cualquier. De hecho, en los viajes suelo usar un cargador Satechi de 108W que funciona perfectamente y se puede usar para cargar más dispositivos a la vez.

Especificaciones técnicas

El modelo que he probado bien con un procesador Ryzen 7 5700 U, un modelo de la última generación de AMD, que cuenta con 8 núcleos y 16 hilos (aunque también existen configuraciones con Ryzen 5), una memoria RAM de 16 GB DDR4 y un disco de estado sólido 512 GB. Cuenta con una tarjeta gráfica integrada de AMD Radeon. Una buena equipación que nos puede durar varios años.

La pantalla es un panel de 14 pulgadas Full HD IPS de 300 nits. Aunque es una equipación correcta y con suficiente brillo, posiblemente sea uno de sus puntos débiles debido a la resolución, 1080 puntos pueden ser algo bajo para algunas aplicaciones. Aunque es más que suficiente para la edición de código.

Para los que viajamos uno de sus puntos fuertes es el teclado retroiluminado, lo que facilita trabajar en movilidad cuando hay poca luz, como puede ser en un vuelo. El trackpad funciona correctamente, aunque no hay comparación con los que incluyen los MacBooks. Además, cuenta con un escáner de huellas dactilares, gracias al cual el inicio de sesión en Windows es rápido. Uno de los puntos fuertes, especialmente para aquellos que están preocupados por la privacidad, es el Privacy Shutter que se incluye la cámara de 720p. El cual permite tapar la lente mediante un interruptor físico, evitando de esta manera que se pueda grabar accidentalmente con la cámara.

En cuanto a las conexiones inalámbricas cuenta con WiFi 6 y Bluetooth 5.

Publicidad


Puntos fuertes

Uno de los puntos fuertes de este equipo es el rendimiento. Los 16 hilos del procesado pueden hacer que este corra en tareas de cálculo intensivo. Además, el rendimiento de la GPU integrada también es bueno. Aunque, como es un portátil, el rendimiento pico no se puede mantener durante muchos minutos debido a la incapacidad de disipar de forma eficiente los 45 W que puede llegar a consumir el procesador. Algo que se nota al escuchar los ventiladores cuando se pide un esfuerzo al equipo.

A esta impresión de rendimiento también ayuda el disco SSD. Se nota un ordenador rápido a la hora de cargar el sistema operativo y las aplicaciones.

Puntos débiles

En cuanto a los puntos débiles destacaría su batería de 45Wh. Según el fabricante ofrece hasta 7,5 horas de autonomía, aunque con el uso que le puede dar habitualmente la autonomía está más cerca de las 4 horas. Algo que puede ser justo en algunos usos. En las especificaciones se indica que existe una versión de batería de 60 Wh, pero a fecha de publicación no se ofrece la opción de configuración que puede ser interesante. Algo aumentaría el peso del equipo.

Otro punto débil que ya he comentado es la resolución de la pantalla, 1080 puede ser algo justo para algunas aplicaciones. Aunque incluir una pantalla de mayor resolución aumentaría el precio del equipo y reduciría la duración de la batería.

Recomendación

Si quieres un ordenador PC de gama media y no necesitas que la batería dure el día entero sin cargar el Lenovo ThinkBook 14 Gen 3 AMD es una buena opción. En algunos puntos, como puede ser el procesador, parece más un ordenador de gama alta que de gama media.

El portátil Lenovo ThinkBook 14 Gen 3 AMD se puede comprar en la propia tienda de Lenovo o en Amazon.

¿Te ha parecido de utilidad el contenido?

¡Puntúalo entre una y cinco estrellas!

Puntuación promedio 0 / 5. Votos emitidos: 0

Ya que has encontrado útil este contenido...

¡Síguenos en redes sociales!

¡Siento que este contenido no te haya sido útil!

¡Déjame mejorar este contenido!

Dime, ¿cómo puedo mejorar este contenido?

Publicidad


Publicaciones relacionadas

  • Los récords con asterisco, o la épica del titular sin contexto – El bestiario de los indicadores económicos absurdos (parte 8 y final)
  • Los indicadores que se autocumplen, o cuando medir es modificar – El bestiario de los indicadores económicos absurdos (parte 7)
  • Customer Lifetime Value: la fórmula clásica que todo analista debería dominar
  • Segmentación RFM: cómo clasificar tu cartera de clientes antes de calcular el CLV
  • PSI: Cómo Saber Cuándo tu Modelo de Credit Scoring se ha Degradado
  • Champion vs Challenger: Cómo los Bancos Validan Modelos Nuevos antes de Ponerlos en Producción
  • Errores habituales al trabajar con DataFrames grandes en Pandas (y cómo evitarlos)
  • BG/NBD + Gamma/Gamma: el modelo probabilístico para CLV en compras continuas
  • Curiosidad: De dónde vienen foo, bar y foobar

Publicado en: Reseñas Etiquetado como: Windows

Interacciones con los lectores

Deja una respuesta Cancelar la respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

I accept the Terms and Conditions and the Privacy Policy

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.

Barra lateral principal

Suscríbete a nuestro boletín

Suscríbete al boletín semanal para estar al día de todas las publicaciones.

Política de Privacidad

Analytics Lane en redes sociales

  • Amazon
  • Bluesky
  • Facebook
  • GitHub
  • Instagram
  • Mastodon
  • Pinterest
  • RSS
  • Telegram
  • Tumblr
  • Twitter
  • YouTube

Publicidad

Entradas recientes

Curiosidad: De dónde vienen foo, bar y foobar

agosto 13, 2026 Por Daniel Rodríguez

BG/NBD + Gamma/Gamma: el modelo probabilístico para CLV en compras continuas

agosto 11, 2026 Por Daniel Rodríguez

Errores habituales al trabajar con DataFrames grandes en Pandas (y cómo evitarlos)

agosto 6, 2026 Por Daniel Rodríguez

Publicidad

Es tendencia

  • Panel de widgets de Windows 11 mostrando noticias destacadas y clima. Cómo eliminar las noticias en Windows 11 y recuperar tu concentración publicado el junio 26, 2025 | en Herramientas
  • Comprobar hash SHA-256 o MD5 en Windows, macOS y Linux publicado el noviembre 1, 2023 | en Criptografía, Herramientas
  • Champion vs Challenger: Cómo los Bancos Validan Modelos Nuevos antes de Ponerlos en Producción publicado el agosto 4, 2026 | en Ciencia de datos
  • Identificando celdas con espacios en blanco en Excel publicado el noviembre 5, 2018 | en Herramientas
  • Regresión de Vectores de Soporte (SVR, Support Vector Regression) publicado el diciembre 17, 2021 | en Ciencia de datos

Publicidad

Lo mejor valorado

4.9 (24)

Seleccionar filas y columnas en Pandas con iloc y loc

4.6 (16)

Archivos JSON con Python: lectura y escritura

4.4 (14)

Ordenación de diccionarios en Python mediante clave o valor

4.7 (13)

Operaciones de filtrado de DataFrame con Pandas en base a los valores de las columnas

4.1 (11)

Aplicar el método D’Hondt en Excel

Comentarios recientes

  • Daniel Rodríguez en Los récords con asterisco, o la épica del titular sin contexto – El bestiario de los indicadores económicos absurdos (parte 8 y final)
  • Juan en Los récords con asterisco, o la épica del titular sin contexto – El bestiario de los indicadores económicos absurdos (parte 8 y final)
  • bif en JSON en bases de datos: cuándo es buena idea y cuándo no
  • bif en Cómo desinstalar Oracle Database 19c en Windows
  • M. Pilar en Cómo eliminar las noticias en Windows 11 y recuperar tu concentración

Publicidad


Footer

Analytics Lane

  • Acerca de Analytics Lane
  • Boletín de noticias
  • Contacto
  • Libros
  • Lo más popular
  • Noticias
  • Tienda
  • Tiendas afiliadas

Secciones

  • Ciencia de datos
  • Criptografía
  • Herramientas
  • Machine Learning
  • Opinión
  • Productividad
  • Programación
  • Reseñas

Sobre de Analytics Lane

En Analytics Lane tratamos de explicar los principales conceptos de la ciencia e ingeniería de datos con un enfoque práctico. Los principales temas tratados son ciencia de datos, ingeniería de datos, inteligencia artificial, machine learning, deep learning y criptografía. Además, también se habla de los principales lenguajes de programación y herramientas utilizadas por los científicos e ingenieros de datos.

Copyright © 2018-2026 Analytics Lane ·Términos y condiciones ·Política de Cookies ·Política de Privacidad ·Herramientas de privacidad ·Contacto