Platform
W&B Models
W&B Weave
W&B Inference
W&B Training
Release Notes기본 사항
다음 튜토리얼에서는 기계 학습 실험 추적, 모델 평가, 하이퍼파라미터 튜닝, 모델 및 데이터셋 버전 관리 등을 위한 W&B의 기본 사항을 안내합니다.Experiments 추적
기계 학습 실험 추적, 모델 체크포인트, 팀과의 협업 등을 위해 W&B를 사용하세요.
예측값 시각화
MNIST 데이터에 대한 PyTorch를 사용하여 트레이닝 과정에서 모델 예측값을 추적, 시각화 및 비교합니다.
하이퍼파라미터 튜닝
W&B Sweeps를 사용하여 학습률, 배치 크기, 숨겨진 레이어 수 등과 같은 하이퍼파라미터 값의 조합을 자동으로 검색할 수 있는 체계적인 방법을 만드세요.
모델 및 데이터셋 추적
W&B Artifacts를 사용하여 ML experiment 파이프라인을 추적하세요.
인기 있는 ML 프레임워크 튜토리얼
다음 튜토리얼에서 W&B와 함께 인기 있는 ML 프레임워크 및 라이브러리를 사용하는 방법에 대한 단계별 정보를 참조하세요.PyTorch
W&B를 PyTorch 코드와 통합하여 파이프라인에 experiment 추적을 추가하세요.
HuggingFace Transformers
W&B integration을 통해 Hugging Face 모델의 성능을 빠르게 시각화하세요.
Keras
기계 학습 experiment 추적, 데이터셋 버전 관리 및 프로젝트 협업을 위해 W&B와 Keras를 사용하세요.
XGBoost
기계 학습 experiment 추적, 데이터셋 버전 관리 및 프로젝트 협업을 위해 W&B와 XGBoost를 사용하세요.
기타 자료
W&B AI Academy를 방문하여 애플리케이션에서 LLM을 트레이닝, 파인튜닝 및 사용하는 방법을 알아보세요. MLOps 및 LLMOps 솔루션을 구현합니다. W&B 코스로 실제 ML 문제에 도전하세요.- Large Language Models (LLMs)
- Effective MLOps
- W&B Models