학술 논문
Li, Lisha, et al. “Hyperband: A novel bandit-based approach to hyperparameter optimization.” The Journal of Machine Learning Research 18.1 (2017): 6765-6816.Sweep Experiments
다음 W&B Reports 는 W&B Sweeps 를 사용하여 하이퍼파라미터 튜닝을 탐색하는 프로젝트의 예시를 보여줍니다.- Drought Watch Benchmark Progress
- 설명: 베이스라인 개발 및 Drought Watch 벤치마크 제출물 탐색.
- Tuning Safety Penalties in Reinforcement Learning
- 설명: 패턴 생성, 패턴 제거, 내비게이션 등 세 가지 작업에서 서로 다른 부작용 페널티로 학습된 에이전트를 조사합니다.
- Meaning and Noise in Hyperparameter Search with W&B Stacey Svetlichnaya
- 설명: 어떻게 실제 신호와 변상증(가상의 패턴)을 구분할 수 있을까요? 이 기사는 W&B 로 가능한 것들을 소개하며 더 깊은 탐구를 독려합니다.
- Who is Them? Text Disambiguation with Transformers
- 설명: Hugging Face를 사용하여 자연어 이해 모델 탐색.
- DeepChem: Molecular Solubility
- 설명: 랜덤 포레스트와 딥러닝 네트워크를 통해 분자 구조로부터 화학적 특성을 예측합니다.
- Intro to MLOps: Hyperparameter Tuning
- 설명: 하이퍼파라미터 튜닝이 중요한 이유를 알아보고, 기계학습 모델의 하이퍼파라미터 튜닝을 자동화하는 세 가지 알고리즘을 살펴봅니다.
self-managed
다음 사용 가이드는 실제 문제를 W&B 로 해결하는 방법을 보여줍니다:- Sweeps with XGBoost
- 설명: XGBoost를 사용하여 하이퍼파라미터 튜닝을 위해 W&B Sweeps 를 사용하는 방법.