便利なリソース
学術論文
Li, Lishaら。"Hyperband: ハイパーパラメータ最適化への新しいバンディットベースのアプローチ" The Journal of Machine Learning Research 18.1 (2017): 6765-6816。
スイープ実験
以下のW&Bレポートでは、W&Bスイープを用いたハイパーパラメータ最適化を探求するプロジェクトの事例を紹介しています。
- ドラウトウォッチベンチマークの進捗
- 説明: ドラウトウォッチベンチマークへの提出を探求するためのベースラインの開発。
- 強化学習における安全性ペナルティの調整
- 説明: 異なる副作用ペナルティを用いて訓練されたエージェントを、パターン作成、パターン除去、ナビゲーションの3つの異なるタスクで調査します。
- W&Bとハイパーパラメータ探索の意味とノイズ Stacey Svetlichnaya
- 説明: どのようにして信号と幻覚パターン(想像上のパターン)を区別するのか?この記事では、W&Bで可能なことを紹介し、さらなる探求にインスピレーションを与えることを目指しています。
- 誰が彼ら?トランスフォーマーによるテキスト曖昧性解消
- 説明: Hugging Faceを使って自然言語理解のためのモデルを探索
- DeepChem: 分子の溶解性
- 説明: ランダムフォレストとディープネットワークを用いて、分子構造から化学的性質を予測。
- MLOps入門: ハイパーパラメーターチューニング
- 説明: ハイパーパラメータ最適化がなぜ重要であるのか、機械学習モデルのハイパーパラメータチューニングを自動化するための3つのアルゴリズムを紹介します。
ハウツーガイド
以下のハウツーガイドでは、Weights & Biasesを使って実際の問題解決方法を紹介しています:
- 説明: XGBoostを用いたハイパーパラメータチューニングにW&B Sweepsを使用する方法です。
Sweep GitHubリポジトリ
Weights & Biasesはオープンソースであり、コミュニティからの貢献を歓迎しています。GitHubリポジトリはhttps://github.com/wandb/sweepsで見つけることができます。Weights & Biasesのオープンソースリポジトリへの貢献方法については、W&B GitHubのContribution guidelinesを参照してください。