Diante do desafio de explorar grandes espaços de configuração, em que pode-se levar um tempo significativo para avaliar uma determinada configuração, as equipes têm a possibilidade de recorrer à experimentação adaptativa, um processo iterativo, guiado por máquina, para encontrar soluções ideais de maneira eficiente em termos de recursos. Ax é uma plataforma para gerenciar e automatizar experimentos adaptativos, incluindo experimentos de aprendizado de máquina, testes A/B e simulações. Atualmente, ela suporta duas estratégias de otimização: otimização bayesiana usando BoTorch, que é construído sobre o PyTorch e contextual bandits. O Facebook, ao lançar Ax e BoTorch, descreveu casos de uso tais como o aumento da eficiência da infraestrutura de back-end, o ajuste de modelos de classificação e a otimização da pesquisa de hiperparâmetros para uma plataforma de aprendizado de máquina. Tivemos boas experiências usando Ax para uma variedade de casos de uso e, embora existam ferramentas para ajuste de hiperparâmetros, não temos conhecimento de uma plataforma que fornece funcionalidade em um escopo semelhante a Ax.
