유용한 자료

다음 W&B 리포트는 W&B 스윕을 사용하여 하이퍼파라미터 최적화를 탐색하는 프로젝트의 예를 보여줍니다.

가뭄 감시 벤치마크 진행 상황
- 설명: 베이스라인 개발 및 가뭄 감시 벤치마크에 대한 제출 탐색.
강화학습에서 안전 벌점 튜닝
- 설명: 다양한 부작용 벌점으로 훈련된 에이전트를 세 가지 다른 작업: 패턴 생성, 패턴 제거 및 탐색에서 검토합니다.
W&B와 하이퍼파라미터 검색에서의 의미와 노이즈 Stacey Svetlichnaya
- 설명: 어떻게 신호와 파레이돌리아(상상의 패턴)를 구분할까요? 이 글은 W&B로 가능한 것을 보여주고 추가 탐색을 위한 영감을 제공합니다.
Who is Them? 트랜스포머를 이용한 텍스트 중의성 해소
- 설명: Hugging Face를 사용하여 자연어 이해 모델 탐색
DeepChem: 분자 용해도
- 설명: 무작위 포레스트와 딥 넷을 사용하여 분자 구조로부터 화학적 성질 예측.
MLOps 소개: 하이퍼파라미터 튜닝
- 설명: 하이퍼파라미터 최적화가 왜 중요한지 탐구하고 기계학습 모델에 대한 하이퍼파라미터 튜닝을 자동화하기 위한 세 가지 알고리즘을 살펴봅니다.

다음 사용 가이드는 W&B를 사용하여 실제 문제를 해결하는 방법을 보여줍니다:

W&B는 오픈 소스를 지지하며 커뮤니티에서의 기여를 환영합니다. GitHub 저장소는 https://github.com/wandb/sweeps에서 찾을 수 있습니다. W&B 오픈 소스 저장소에 기여하는 방법에 대한 정보는 W&B GitHub 기여 지침을 참조하세요.