hugging-face-jobs
Hugging Face 클라우드에서 ML 워크로드 실행
로컬 하드웨어 설정 없이 GPU/TPU 워크로드를 실행하세요. 보안 토큰 인증을 통해 관리되는 Hugging Face Jobs 인프라에 Python 스크립트를 제출합니다.
스킬 ZIP 다운로드
Claude에서 업로드
설정 → 기능 → 스킬 → 스킬 업로드로 이동
토글을 켜고 사용 시작
테스트해 보기
"hugging-face-jobs" 사용 중입니다. 감정 분석을 위한 UV 스크립트 제출
예상 결과:
작업이 성공적으로 제출되었습니다. 작업 ID: job_abc123. https://huggingface.co/jobs/username/job_abc123에서 모니터링하세요. 예상 완료 시간: 5분.
"hugging-face-jobs" 사용 중입니다. 실행 중인 작업 상태 확인
예상 결과:
2개의 실행 중인 작업을 찾았습니다: job_abc123 (실행 중, 45% 완료), job_def456 (대기 중). hf_jobs('logs', {'job_id': 'job_abc123'})를 사용하여 로그를 보세요.
보안 감사
안전All 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.
품질 점수
만들 수 있는 것
일괄 추론을 실행하는 ML 엔지니어
로컬 하드웨어 투자 없이 클라우드 GPU를 통해 모델로 수천 개의 샘플을 처리하세요. 높은 처리량 생성을 위해 vLLM과 함께 UV 스크립트를 제출합니다.
데이터셋을 변환하는 데이터 과학자
Polars 또는 Pandas를 사용하여 Hugging Face 데이터셋에서 데이터 처리 파이프라인을 실행하세요. 변환된 결과를 안전하게 Hub로 다시 푸시합니다.
실험을 실행하는 연구원
예약된 작업으로 재현 가능한 ML 실험을 실행하세요. 작업 URL을 통해 진행 상황을 모니터링하고 Hub 저장소에서 결과를 검색하세요.
이 프롬프트를 사용해 보세요
Hugging Face Jobs에서 이 Python 스크립트를 실행하세요: [스크립트 붙여넣기]. CPU와 30분 타임아웃을 사용하세요.
A10G GPU에서 이 추론 스크립트를 실행하세요. 결과를 내 Hub 저장소 username/results로 푸시하세요. HF_TOKEN 인증을 포함하세요.
이 데이터 변환 스크립트를 매일 오전 9시에 실행하는 예약된 작업을 만드세요. cpu-upgrade 하드웨어를 사용하고 출력을 Hub에 저장하세요.
A100 GPU에서 pytorch/pytorch CUDA 이미지를 사용하여 이 명령어를 실행하세요. 타임아웃을 4시간으로 설정하고 완료될 때까지 모니터링하세요.
모범 사례
- Hub 인증을 위해 항상 secrets={'HF_TOKEN': '$HF_TOKEN'}를 사용하세요 - 토큰을 하드코딩하지 마세요
- 워크로드 유형에 따라 20-30% 버퍼를 포함하여 적절한 타임아웃을 설정하세요
- 작업 완료 전에 Hub 또는 외부 저장소에 결과를 저장하세요 - 환경은 일시적입니다
피하기
- hf_jobs() MCP 도구에서 로컬 파일 경로 사용 - 스크립트는 인라인 코드 또는 URL이어야 함
- 작업 상태를 반복적으로 폴링 - 상태 확인 요청을 기다리세요
- 토큰에 env 대신 secrets 사용 - env 변수는 로그에 표시됩니다