> ## Documentation Index
> Fetch the complete documentation index at: https://docs.coreweave.com/llms.txt
> Use this file to discover all available pages before exploring further.

> 학술 논문, 예시 Reports, 튜토리얼, 그리고 Sweeps GitHub 저장소에 대한 링크를 찾아보세요. 더 자세한 학습을 위해.

# 스윕에 대해 더 알아보기

이 페이지는 W\&B Sweeps에 대해 더 알아보는 데 도움이 되는 외부 리소스를 모아놓았습니다. 리소스에는 학술 배경, W\&B Reports로 공유된 예시 프로젝트, 실습 튜토리얼, 그리고 오픈 소스 저장소가 포함됩니다.

<h2 id="academic-papers">
  학술 논문
</h2>

다음 논문은 스윕에서 사용되는 하이퍼파라미터 최적화 기법의 알고리즘에 대한 배경 지식을 제공합니다.

Li, Lisha, et al. "[Hyperband: A novel bandit-based approach to hyperparameter optimization.](https://arxiv.org/pdf/1603.06560.pdf)" *The Journal of Machine Learning Research* 18.1 (2017): 6765-6816.

<h2 id="sweeps-experiments">
  스윕 실험
</h2>

다음 W\&B Reports는 스윕을 활용한 하이퍼파라미터 최적화를 탐구하는 프로젝트를 소개합니다.

* [Drought Watch Benchmark Progress](https://forge.coreweave.com/wandb/stacey/droughtwatch/reports/Drought-Watch-Benchmark-Progress--Vmlldzo3ODQ3OQ)
  * 설명: 기준 모델을 개발하고 Drought Watch 벤치마크에 제출된 결과를 탐구합니다.
* [Tuning Safety Penalties in Reinforcement Learning](https://forge.coreweave.com/wandb/safelife/benchmark-sweeps/reports/Tuning-Safety-Penalties-in-Reinforcement-Learning---VmlldzoyNjQyODM)
  * 설명: 패턴 생성, 패턴 제거, 내비게이션이라는 세 가지 작업에서 서로 다른 부작용 페널티로 트레이닝된 에이전트를 살펴봅니다.
* [Meaning and Noise in Hyperparameter Search with W\&B](https://forge.coreweave.com/wandb/stacey/pytorch_intro/reports/Meaning-and-Noise-in-Hyperparameter-Search--Vmlldzo0Mzk5MQ) [Stacey Svetlichnaya](https://wandb.ai/stacey)
  * 설명: 실제 신호와 파레이돌리아(상상 속 패턴)를 어떻게 구분할 수 있을까요? 이 글은 W\&B로 가능한 작업을 소개하고 추가 탐구를 장려합니다.
* [Who is Them? Text Disambiguation with Transformers](https://forge.coreweave.com/wandb/stacey/winograd/reports/Who-is-Them-Text-Disambiguation-with-Transformers--VmlldzoxMDU1NTc)
  * 설명: Hugging Face를 사용하여 자연어 이해 모델을 탐구합니다.
* [DeepChem: Molecular Solubility](https://forge.coreweave.com/wandb/stacey/deepchem_molsol/reports/DeepChem-Molecular-Solubility--VmlldzoxMjQxMjM)
  * 설명: 랜덤 포레스트와 심층 신경망을 사용하여 분자 구조로부터 화학적 특성을 예측합니다.
* [Intro to MLOps: Hyperparameter Tuning](https://forge.coreweave.com/wandb/iamleonie/Intro-to-MLOps/reports/Intro-to-MLOps-Hyperparameter-Tuning--VmlldzozMTg2OTk3)
  * 설명: 하이퍼파라미터 최적화가 중요한 이유를 탐구하고 머신 러닝 모델의 하이퍼파라미터 튜닝을 자동화하는 세 가지 알고리즘을 살펴봅니다.

<h2 id="how-to-guide">
  How-to 가이드
</h2>

다음 how-to 가이드는 W\&B로 실제 문제를 해결하는 방법을 보여줍니다:

* [Sweeps with XGBoost](https://github.com/wandb/examples/blob/master/examples/wandb-sweeps/sweeps-xgboost/xgboost_tune.py)
  * 설명: XGBoost를 사용해 하이퍼파라미터 튜닝에 스윕을 사용하는 방법.

<h2 id="sweeps-github-repository">
  스윕 GitHub 저장소
</h2>

이 섹션에서는 스윕의 소스 코드를 소개하며 기여 방법을 설명합니다.

W\&B는 오픈 소스를 지원하며 커뮤니티의 기여를 환영합니다. [W\&B 스윕 GitHub 저장소](https://github.com/wandb/sweeps)를 확인하세요. W\&B 오픈 소스 저장소에 기여하는 방법에 대한 정보는 W\&B GitHub [기여 가이드라인](https://github.com/wandb/wandb/blob/main/CONTRIBUTING.md)을 참조하세요.


## Related topics

- [튜토리얼: 프로젝트 run 실패 알림 자동화](/ko/products/wandb/automations/project-automation-tutorial.md)