機械学習モデルには、分析者が事前に設定・チューニングを行う「ハイパーパラメータ」と呼ばれるパラメータが存在します。機械学習モデルの性能はハイパーパラメータの設定に強く依存するため、適切なハイパーパラメータの設定が重要です。一般にハイパーパラメータ最適化では機械学習モデルを繰り返し学習させる必要があるため、大きな計算コストが必要となります。このような背景から、より高速なハイパーパラメータ最適化手法が強く求められています。本発表では、関連タスクの情報を活用することで高速なハイパーパラメータ最適化を実現する手法「Warm Starting CMA-ES」について、モチベーションと技術的な詳細について説明します。Warm Starting CMA-ESは人工知能分野のトップカンファレンスAAAI2021に採択されており、最先端な手法の1つになっています。また、OSSからの利用方法についても解説を行います。