hugging-face-jobs
Hugging Face クラウド上で ML ワークロードを実行
ローカルハードウェアの設定なしで GPU/TPU ワークロードを実行。安全なトークン認証により、管理された Hugging Face Jobs インフラストラクチャに Python スクリプトを提出します。
スキルZIPをダウンロード
Claudeでアップロード
設定 → 機能 → スキル → スキルをアップロードへ移動
オンにして利用開始
テストする
「hugging-face-jobs」を使用しています。 感情分析用 UV スクリプトを提出
期待される結果:
ジョブが正常に提出されました。ジョブ ID: job_abc123。https://huggingface.co/jobs/username/job_abc123 で監視可能。推定完了時間：5 分。
「hugging-face-jobs」を使用しています。 実行中のジョブのステータスを確認
期待される結果:
2 つの実行中のジョブが見つかりました：job_abc123 (RUNNING、45% 完了)、job_def456 (QUEUED)。ログを表示するには hf_jobs('logs', {'job_id': 'job_abc123'}) を使用。
セキュリティ監査
安全All 284 static analysis findings are false positives. The 'Ruby/shell backtick execution' detections are actually Python code examples in markdown documentation. 'Hardcoded URLs' are legitimate documentation links to Hugging Face resources. Environment variable access (HF_TOKEN) is documented authentication behavior for Hub operations. No malicious patterns detected.
品質スコア
作れるもの
バッチ推論を実行する ML エンジニア
クラウド GPU を使用して数千のサンプルをモデルで処理。ローカルハードウェアへの投資なしで実行可能。vLLM を使用した UV スクリプトで高スループット生成を実現。
データセットを変換するデータサイエンティスト
Polars または Pandas を使用して Hugging Face データセットでデータ処理パイプラインを実行。変換結果を Hub に安全にプッシュ。
実験を実行する研究者
スケジュールジョブで再現性のある ML 実験を実行。ジョブ URL で進捗を監視し、Hub リポジトリから結果を取得。
これらのプロンプトを試す
この Python スクリプトを Hugging Face Jobs で実行：[スクリプトを貼り付け]。CPU を使用し、30 分のタイムアウトを設定。
この推論スクリプトを A10G GPU で実行。結果を Hub リポジトリ username/results にプッシュ。HF_TOKEN 認証を含む。
このデータ変換スクリプトを毎日午前 9 時に実行するスケジュールジョブを作成。cpu-upgrade ハードウェアを使用し、出力を Hub に永続化。
pytorch/pytorch CUDA イメージを使用してこのコマンドを A100 GPU で実行。タイムアウトを 4 時間に設定し、完了を監視。
ベストプラクティス
- Hub 認証には常に secrets={'HF_TOKEN': '$HF_TOKEN'} を使用 - トークンをハードコードしない
- ワークロードタイプに応じて 20〜30% のバッファを持つ適切なタイムアウトを設定
- ジョブ完了前に結果を Hub または外部ストレージに永続化 - 環境は一時保存
回避
- hf_jobs() MCP ツールでローカルファイルパスを使用 - スクリプトはインラインコードまたは URL である必要がある
- ジョブステータスを繰り返しポーリング - ユーザーがステータス確認をリクエストするまで待つ
- トークンに secrets ではなく env を使用 - 環境変数はログに表示される