ml-experiments

一份关于设计有效机器学习实验的详细指南，强调从明确的研究问题开始，培养研究品味，并扩展结果。基于作者在Poolside每周运行约100次实验的经验。

一位研究人员表达了希望有一个比现有工具（如 Weights & Biases）更简单、更具可重复性的机器学习实验跟踪系统，主张一键启动和绘制。