Academic papers
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
次の W&B Reports では、W&B Sweeps を使用したハイパーパラメータ最適化を探るプロジェクトの例を紹介しています。- Drought Watch Benchmark Progress
- 説明: ベースラインの開発と Drought Watch ベンチマークへの提出を探ります。
- Tuning Safety Penalties in Reinforcement Learning
- 説明: 3つの異なるタスクで異なる副作用ペナルティを持つエージェントを訓練します：パターン生成、パターン削除、およびナビゲーション。
- Meaning and Noise in Hyperparameter Search with W&B Stacey Svetlichnaya
- 説明: 信号を想像上のパターン（パレイドリア）からどのように区別しますか？この記事は、W&Bで何が可能かを示し、さらなる探索を促すことを目的としています。
- Who is Them? Text Disambiguation with Transformers
- 説明: 自然言語理解のためのモデルを探索するために Hugging Face を使用します。
- DeepChem: Molecular Solubility
- 説明: ランダムフォレストとディープネットを使用して分子構造から化学的特性を予測します。
- Intro to MLOps: Hyperparameter Tuning
- 説明: ハイパーパラメータ最適化がなぜ重要かを探り、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見てみましょう。
selfm-anaged
次のハウツーガイドでは、W&B を使用して現実世界の問題を解決する方法を示しています：- Sweeps with XGBoost
- 説明: XGBoost を使用し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。