Ante el desafío de explorar grandes espacios de configuración, donde puede llevar un tiempo considerable evaluar una configuración dada, los equipos pueden recurrir a la experimentación adaptativa, un proceso iterativo guiado por máquina, para encontrar soluciones óptimas de una manera eficiente en recursos. Ax es una plataforma para gestionar y automatizar experimentos adaptativos, incluyendo experimentos de ML, A/B testing y simulaciones. Actualmente, soporta dos estrategias de optimización: optimización Bayesiana usando BoTorch, la cual se basa en PyTorch, y contextual bandits. Cuando Facebook liberó Ax y BoTorch, describió casos de uso como el incrementar la eficiencia de la infraestructura de back-end, ajustando los modelos de clasificación y optimizando la búsqueda de hiperparámetros para una plataforma de ML. Hemos tenido buenas experiencias con Ax para una variedad de casos de uso y, si bien existen herramientas para el ajuste de hiperparámetros, no conocemos una plataforma que brinde funcionalidad en un ámbito similar al de Ax.
