Platform
W&B Models
W&B Weave
W&B Inference
W&B Training
Release NotesFundamentals
다음 튜토리얼은 기계학습 실험 추적, 모델 평가, 하이퍼파라미터 튜닝, 모델 및 데이터셋 버전 관리 등 W&B의 핵심 기능을 안내합니다.Track experiments
기계학습 실험 추적, 모델 체크포인트 생성, 팀과의 협업 등을 위해 W&B를 사용하세요.
Visualize predictions
MNIST 데이터를 활용한 PyTorch 트레이닝 과정에서 모델의 예측값을 추적, 시각화 및 비교합니다.
Tune hyperparameters
W&B Sweeps 를 사용하여 학습률, 배치 크기, 은닉층 수와 같은 하이퍼파라미터 값의 조합을 자동으로 탐색하는 체계적인 방법을 만드세요.
Track models and datasets
W&B Artifacts 를 사용하여 ML 실험 파이프라인을 추적하세요.
주요 ML 프레임워크 튜토리얼
인기 있는 ML 프레임워크 및 라이브러리를 W&B와 함께 사용하는 단계별 방법은 다음 튜토리얼을 참조하세요.PyTorch
W&B를 PyTorch 코드에 통합하여 파이프라인에 실험 추적 기능을 추가하세요.
HuggingFace Transformers
W&B 인테그레이션을 통해 Hugging Face 모델의 성능을 빠르게 시각화하세요.
Keras
기계학습 실험 추적, 데이터셋 버전 관리 및 프로젝트 협업을 위해 W&B와 Keras를 사용하세요.
XGBoost
기계학습 실험 추적, 데이터셋 버전 관리 및 프로젝트 협업을 위해 W&B와 XGBoost를 사용하세요.
기타 리소스
W&B AI Academy를 방문하여 애플리케이션에서 LLM을 트레이닝, 파인튜닝 및 사용하는 방법을 배워보세요. MLOps 및 LLMOps 솔루션을 구현할 수 있습니다. W&B 코스를 통해 실제 ML 과제들을 해결해 보세요.- Large Language Models (LLMs)
- Effective MLOps
- W&B Models