> ## Documentation Index
> Fetch the complete documentation index at: https://docs.wandb.ai/llms.txt
> Use this file to discover all available pages before exploring further.

> さらに学習するための学術論文、サンプルのReports、チュートリアル、Sweeps GitHub リポジトリ へのリンクを掲載しています。

# Sweeps についてさらに詳しく

このページでは、W\&B Sweeps についてさらに学ぶための外部リソースをまとめています。リソースには、学術的な背景、W\&B Reports として共有されているサンプルのproject、実践的なチュートリアル、オープンソースのリポジトリが含まれます。

<div id="academic-papers">
  ## 学術論文
</div>

以下の論文では、Sweeps で使用されるハイパーパラメーター最適化手法を支えるアルゴリズムの背景を説明しています。

Li, Lisha, ほか. "[Hyperband: A novel bandit-based approach to hyperparameter optimization.](https://arxiv.org/pdf/1603.06560.pdf)" *The   Journal of Machine Learning Research* 18.1 (2017): 6765-6816.

<div id="sweeps-experiments">
  ## Sweeps の実験
</div>

以下のW\&B Reportsでは、Sweepsを使ったハイパーパラメーター最適化を探るプロジェクトを紹介しています。

* [Drought Watch Benchmark Progress](https://wandb.ai/stacey/droughtwatch/reports/Drought-Watch-Benchmark-Progress--Vmlldzo3ODQ3OQ)
  * 説明: ベースラインを構築し、Drought Watchベンチマークへの提出内容を検討します。
* [Tuning Safety Penalties in Reinforcement Learning](https://wandb.ai/safelife/benchmark-sweeps/reports/Tuning-Safety-Penalties-in-Reinforcement-Learning---VmlldzoyNjQyODM)
  * 説明: パターン作成、パターン除去、navigationの3つの異なるタスクについて、異なる副作用ペナルティでトレーニングしたagentを検証します。
* [Meaning and Noise in Hyperparameter Search with W\&B](https://wandb.ai/stacey/pytorch_intro/reports/Meaning-and-Noise-in-Hyperparameter-Search--Vmlldzo0Mzk5MQ) [Stacey Svetlichnaya](https://wandb.ai/stacey)
  * 説明: シグナルとパレイドリア (実在しないパターンの見間違い) をどのように見分けるのでしょうか。この記事では、W\&Bで何が可能かを示し、さらなる探究のきっかけを提供します。
* [Who is Them? Text Disambiguation with Transformers](https://wandb.ai/stacey/winograd/reports/Who-is-Them-Text-Disambiguation-with-Transformers--VmlldzoxMDU1NTc)
  * 説明: Hugging Faceを使って、自然言語理解のためのモデルを探ります。
* [DeepChem: Molecular Solubility](https://wandb.ai/stacey/deepchem_molsol/reports/DeepChem-Molecular-Solubility--VmlldzoxMjQxMjM)
  * 説明: ランダムフォレストとディープネットを使って、分子構造から化学特性を予測します。
* [Intro to MLOps: Hyperparameter Tuning](https://wandb.ai/iamleonie/Intro-to-MLOps/reports/Intro-to-MLOps-Hyperparameter-Tuning--VmlldzozMTg2OTk3)
  * 説明: ハイパーパラメーター最適化が重要な理由を探り、機械学習モデルのハイパーパラメーター調整を自動化する3つのアルゴリズムを検証します。

<div id="how-to-guide">
  ## ハウツーガイド
</div>

以下のハウツーガイドでは、W\&B を使って実際の課題を解決する方法を紹介します。

* [XGBoost を使った Sweeps](https://github.com/wandb/examples/blob/master/examples/wandb-sweeps/sweeps-xgboost/xgboost_tune.py)
  * 説明: XGBoost を使用したハイパーパラメーター調整に Sweeps を使う方法。

<div id="sweeps-github-repository">
  ## Sweeps GitHub リポジトリ
</div>

このセクションでは、Sweeps のソースコードを案内し、コントリビュートする方法を説明します。

W\&B はオープンソースを推進しており、コミュニティからの貢献を歓迎しています。[W\&B Sweeps GitHub リポジトリ](https://github.com/wandb/sweeps)をご覧ください。W\&B 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[コントリビューション ガイドライン](https://github.com/wandb/wandb/blob/main/CONTRIBUTING.md)を参照してください。