【OSS情報アーカイブ】Ax

※当記事に記載されている情報は、古くなっている場合があります。オフィシャルサイトで最新情報をご確認ください。

「Ax」とは

概要

Ax(アクス)とは、「適応実験」を理解・管理・展開・自動化するための汎用プラットフォームです。「機械学習実験」「A/Bテスト」「シミュレーション」などのさまざまな種類の実験最適化が可能で、探査戦略として「ベイジアン最適化」と「バンディット最適化」をサポートしています。

「適応実験」とは

適応実験とは、リソース効率の高い方法で最適な構成を特定するために、パラメータ空間を繰り返し探索する機械学習ガイド付きプロセスです。

開発者や研究者は、何かを構成するために、さまざまな方法の中から最適な設定を決定しなければならない問題に直面します。多くの場合、膨大な時間とリソースがかかり、ユーザーエクスペリエンスの品質に影響を与える可能性があります。
・インフラストラクチャ構成
・コンパイラフラグ
・機械学習の学習効率
・ハイパーパラメータ(学習プロセスを制御するために使用されるパラメータ)
・マーケティングプロモーションアクション　など

Axは、これらのプロセスの自動化を支援する機械学習システムであり、効率的かつ最適な方法でソフトウェアを最大限に活用する方法を決定するためのサポートを実施できます。

オフィシャルサイト情報

■オフィシャルサイト

→ax.dev

■GitHub

→github.com　→facebook/Ax

■主要開発元

Axは、Facebookが中心となり開発が進められています。

■ライセンス情報

Axのライセンスは「MIT License」です。

詳細について、こちらを参照ください。
→github.com　→facebook/Ax　→LICENSE

■インストール

→ax.dev　→docs　→installation

■導入事例

Axは、Facebookの「さまざまな製品」「インフラストラクチャ」「ML」「研究アプリケーション」などで活用されています。

同様製品

同様な機能を提供する製品として、次のようなものがあります。

オープンソース製品：「BoTorch」など。

さまざまな種類の実験をサポート

Axは、さまざまな種類の実験をサポートしており、幅広いアプリケーションに対応できます。

・動的ML支援
・A/Bテスト
・機械学習のハイパーパラメータ最適化
・離散構成最適化—多腕バンディット最適化
・連続値(整数または浮動小数点など)の構成最適化—ベイジアン最適化　など

高ノイズに対する効率性

Axは、ノイズの多い実験に特化した最先端のアルゴリズムを提供します。

特に「強化学習エージェントを使用したA/Bテストシミュレーション」などの実験は、多くの場合、大量のノイズを示しますが、Axは高ノイズ設定でも機能できる最先端のアルゴリズムをサポートしています。

マルチモーダルおよび制約付き実験のサポート

Axは「複数実験の組み合わせ実行」および「制約付き最適化」を実施できます。

・オンラインA/Bテストシミュレーション
・リソース使用率を大幅に増加させずに分類精度向上　など

プラグイン拡張性

Axを使用すると、新しいアルゴリズムを簡単にプラグインし、さまざまなドメインでライブラリを使用できます。

「新しいモデリング」や「意思決定アルゴリズム」を簡単に追加できるため、最小限のオーバーヘッドで効率的な研究開発が可能になります。

データ完全性

Axには「ストレージ統合機能」と「実験データを完全に保存および再読み込みする機能」が付属しています。

「オフラインシミュレーションデータ」や「実際の実験からのオンラインデータ」など、さまざまなタイプの実験から生じたデータについて、結合および管理するためのファーストクラスのサポートを備えています。

多目的最適化

「データ使用量を増やすことなくロード時間を改善」など、実際の問題に共通する多目的で制約付きの最適化をサポートします。

APIによるカスタム最適化サービス構築

Axには、軽量構造と柔軟性のバランスが異なる3つの異なるAPIが含まれています。

①LoopAPI—1回の関数呼び出しで全体の最適化を実行
②ServiceAPI—外部スケジューラと簡単に統合
③DeveloperAPI—アルゴリズムについての完全なカスタマイズ機能と実験機能を提供

「カスタムデータモデリング」と「意思決定アルゴリズム」を簡単に統合できるため、開発者は最小限のオーバーヘッドで独自カスタム最適化サービスを構築できます。

　

参考元サイト

• ax.dev
• github.com　→facebook/Ax

※定期的にメンテナンスを実施しておりますが、一部情報が古い場合がございます。ご了承ください。

この記事のタグ一覧

• Ax

  1

• 一覧はこちら
• 次の記事へ