학술 논문
다음 논문에서는 Sweeps에 사용되는 하이퍼파라미터 최적화 기법의 기반 알고리즘에 대한 배경을 설명합니다. Li, Lisha, et al. “Hyperband: 하이퍼파라미터 최적화를 위한 새로운 밴딧 기반 방법.” The Journal of Machine Learning Research 18.1 (2017): 6765-6816.Sweeps 실험
다음 W&B Reports는 Sweeps를 사용해 하이퍼파라미터 최적화를 탐색하는 프로젝트를 보여줍니다.- Drought Watch Benchmark Progress
- 설명: 베이스라인을 개발하고 Drought Watch 벤치마크 제출 결과를 탐색합니다.
- Tuning Safety Penalties in Reinforcement Learning
- 설명: 패턴 생성, 패턴 제거, 내비게이션의 세 가지 작업에서 서로 다른 부작용 페널티로 학습된 agent를 살펴봅니다.
- Meaning and Noise in Hyperparameter Search with W&B Stacey Svetlichnaya
- 설명: 신호와 파레이돌리아(상상 속 패턴)를 어떻게 구분할 수 있을까요? 이 글은 W&B로 무엇이 가능한지 보여주고, 더 깊이 탐색해 보도록 영감을 주는 것을 목표로 합니다.
- Who is Them? Text Disambiguation with Transformers
- 설명: 자연어 이해를 위한 모델을 탐색하기 위해 Hugging Face를 사용합니다.
- DeepChem: Molecular Solubility
- 설명: 랜덤 포레스트와 딥 네트워크를 사용해 분자 구조로부터 화학적 특성을 예측합니다.
- Intro to MLOps: Hyperparameter Tuning
- 설명: 하이퍼파라미터 최적화가 왜 중요한지 살펴보고, 머신 러닝 모델의 하이퍼파라미터 튜닝을 자동화하는 세 가지 알고리즘을 살펴봅니다.
사용 방법 가이드
다음 사용 방법 가이드에서는 W&B로 실제 문제를 해결하는 방법을 보여줍니다:- XGBoost와 함께 사용하는 Sweeps
- 설명: XGBoost를 사용해 하이퍼파라미터를 튜닝할 때 Sweeps를 사용하는 방법.