Meta opublikowała szczegółowy tutorial dotyczący adaptacyjnej eksperymentacji przy użyciu frameworka Ax z wykorzystaniem nowoczesnego Client API. Przewodnik przeprowadza przez pełny proces tuningowania modelu RandomForest na syntetycznym zbiorze danych klasyfikacyjnych, gdzie głównym wyzwaniem jest zbalansowanie dokładności predykcji z rozmiarem i wydajnością modelu.
Procedura obejmuje zdefiniowanie złożonej przestrzeni przeszukiwania zawierającej parametry całkowite, zmiennoprzecinkowe, logarytmiczne i kategoryczne. Następnie wykorzystywana jest pętla ask-tell optymalizacji Ax do przeprowadzenia ograniczonej optymalizacji bayesowskiej, optymalizacji wieloobiektywnej oraz eksperymentacji z ograniczeniami parametrów. Framework pozwala na wizualizację zbieżności, inspekcję granicy Paretą oraz korzystanie z wbudowanych narzędzi analitycznych.
To narzędzie ma znaczenie dla praktyków zajmujących się machine learningiem, ponieważ automatyzuje proces eksperymentacji hipeparametrów i umożliwia skuteczne zarządzanie wieloma celami optymalizacji jednocześnie. Możliwość persystencji eksperymentów pozwala na ich ponowne wykorzystanie w przyszłych projektach, co zdecydowanie przyspiesza iteracyjny proces badań i rozwoju modeli.