ユーザー企業 & ケーススタディ

「私たちは、数十万ものサンプルをソートし、対応するメトリクス、正解およびモデル予測の可視化を探索することで、コーナーケースをよりよく理解できるようになりました — これらすべてをW&Bテーブルを通して行うことができます」

「私たちは[W&Bを使って]、Mk1 IPUシステムを使っていた頃と比較して、50～100倍多くの実験を実施しています。」

「機械学習を製品にに実装する際のラストマイルは非常に長いので、困難に集中することを可能にするチームとツール [W&Bのような] があるのは非常に効果的です。」

「デバッグ、起源、再現性など、モデル開発フローに全てを保存できることは、本格的な機械学習に不可欠です。W&Bは、これを行うのに優れたツールです。」

「[W&B]は、runの記録と追跡に優れたソリューションです。デバッグの実行、お互いの作業内容の確認、実際に起こっていることに関するインサイトの取得が簡単になります。」

「Weights & Biasesによって、チームはデータセットから、学習、プロダクションアーティファクトまで、モデルの履歴を完全に理解できるようになりました。モデル構築の効率性は15%増加し、さらにハードウェアの支出を約15%節約できました。」

「[Weights & Biasesを使って] 私たちは学習の高容量モデルでワークフローを実証し、モデル容量を増やしながら過学習を減らし、高い反復速度を維持しています。」

「W&Bによって、候補モデルをすべて一度に調査することができます。堅牢なテストスイートを使って、最高水準の結果を出すモデルを特定できます。これは、各顧客に対して最適なモデルを理解するために不可欠です。」

「機械学習runのモニタリングと評価にとって、Weights & Biasesプラットフォームが最高のソリューションだと思いました。そのAPIによって、W&Bロギングを既存のコードベースに素早く統合できます。」

「モデルのデプロイとモニタリング用の優れたプロセスを構築することは[私たちにとって非常に重要です]。実験を管理し、レポートを表示し、すべての内容を確認することは、実行の内容を正確に理解するのに役立ちます。」

「Weights & Biasesの高い柔軟性、パフォーマンスおよびユーザーエクスペリエンス私たちの最先端でペースの速い、大規模な研究ワークフローに重要な要素です。」

「私たちは結局、実験管理にWeights & Biasesを使うことになりました。これによって、チームの成長とともに、行ってきたすべての研究から生じた無秩序の中に一定レベルの健全性がもたらされたのだと思います。」

「私たちは、既存のアプローチはリモートチームで機能しないことに気づいたため、W&Bに魅力を感じました。W&Bによって、実験結果が改善されました。また、とても使いやすいです。」

「Weights & Biasesを使って、このハイパーパラメータースウィープを作るだけです。コードの変更を行う必要はまったくありません。多くのことを考えずにこれを自動的に実行できるので、たくさんの悩みの種が解消されます。」

「人々がW&Bの価値をいったん理解し始めると、これは爆発的に広まり、今では社内のMLチームの誰もがW&Bで全てを構築しています。」

「私たちは今学習する時にS3と会話をしません。保管場所の詳細を知る必要がないからです。アーティファクトレジストリを見れば全ての追跡ができるのです。」

「Capella SpaceデータサイエンスリーダーのGanesh Yalla氏は話します。「ログの呼び出しを追加するだけで完了です。このことは非常に新鮮でした。」

「私たちは非常に多くのモデルとバージョンを持っていたので、それら全てを手動で管理することはできませんでした。アーティファクトを活用し始めて、本当に役に立ちました。」

「LLMの学習過程や試行錯誤においては、突然勾配が爆発してしまうようなトラブルがしばしば発生しています。このような問題を解決するには実験過程のモニタリングが欠かせませんが、サイバーエージェントではWandBのモニタリングツールを使うことで、実験ごとの違いを比較したり、その結果をチームに共有しながらチームでの開発を進めています。」