튜토리얼 개요

대화형 튜토리얼로 W&B 사용을 시작해 보세요.

​

기초

다음 튜토리얼에서는 머신러닝 실험 추적, 모델 평가, 하이퍼파라미터 튜닝, 모델 및 데이터셋 버저닝 등 W&B의 핵심 기능을 살펴봅니다.

실험 추적

W&B를 사용해 머신러닝 실험을 추적하고, 모델 체크포인트를 관리하며, 팀과 협업하는 등 다양한 작업을 수행하세요.

예측 시각화

PyTorch와 MNIST 데이터를 사용해 학습 전 과정에 걸쳐 모델 예측을 추적하고, 시각화하고, 비교하세요.

하이퍼파라미터 튜닝

W&B Sweeps를 사용해 학습률, 배치 크기, 은닉층 수 등 하이퍼파라미터 값 조합을 자동으로 탐색하는 체계적인 워크플로를 구성하세요.

모델 및 데이터셋 추적

W&B 아티팩트를 사용해 ML 실험 파이프라인을 추적하세요.

​

인기 ML 프레임워크 튜토리얼

W&B와 함께 인기 ML 프레임워크 및 라이브러리를 사용하는 방법을 단계별로 확인하려면 다음 튜토리얼을 참고하세요:

PyTorch

W&B를 PyTorch 코드에 통합하여 파이프라인에 실험 추적 기능을 추가하세요.

HuggingFace Transformers

W&B 통합을 사용해 Hugging Face 모델의 성능을 빠르게 시각화하세요.

Keras

W&B와 Keras를 사용해 머신러닝 실험 추적, 데이터셋 버전 관리, 프로젝트 협업을 수행하세요.

XGBoost

W&B와 XGBoost를 사용해 머신러닝 실험 추적, 데이터셋 버전 관리, 프로젝트 협업을 수행하세요.

​

기타 리소스

W&B AI Academy를 방문해 애플리케이션에서 LLM을 학습하고 미세 조정(fine-tune)하여 활용하는 방법을 배우세요. MLOps 및 LLMOps 솔루션을 구현하며, W&B 코스를 통해 실제 ML 과제를 해결해 보세요.

• 대규모 언어 모델(LLM)
  • LLM 엔지니어링: 구조화된 출력
  • LLM 기반 애플리케이션 구축
  • 대규모 언어 모델 학습 및 미세 조정
• 효과적인 MLOps
  • 모델 CI/CD
  • 효과적인 MLOps: 모델 개발
  • 머신 러닝을 위한 CI/CD(GitOps)
  • 프로덕션 ML 파이프라인에서 데이터 검증
  • 비즈니스 의사결정 최적화를 위한 머신 러닝
• W&B Models
  • W&B 101
  • W&B 201: Model Registry