# 예제 및 튜토리얼

## 모델 학습

Transformers, TRL, Unsloth, Axolotl의 시작 명령어는 [Jobs에서 모델 학습](./jobs-training)에 있습니다. 각각 해당 라이브러리의 가이드로 연결됩니다.

## 대규모로 데이터 처리

[DataTrove](https://github.com/huggingface/datatrove)는 데이터 처리 파이프라인을 Job 풀에 분산하기 위한 실험적인 [`JobsPipelineExecutor`](https://github.com/huggingface/datatrove#jobspipelineexecutor)를 제공합니다. 동시성 제한, 다단계 의존성, 재시도, 재개 가능한 실행을 지원하며, 파이프라인을 다시 실행하면 이미 완료된 작업을 건너뛰고 나머지 작업만 실행합니다.

다음과 같이 바로 실행할 수 있는 예제를 확인하세요:

- [Hub 데이터셋 필터링](https://github.com/huggingface/datatrove/blob/main/examples/filter_hf_dataset_jobs.py)
- [Hub 데이터셋 토큰화 및 병합](https://github.com/huggingface/datatrove/blob/main/examples/tokenize_hf_dataset_jobs.py)
- [다단계 MinHash 중복 제거](https://github.com/huggingface/datatrove/blob/main/examples/minhash_deduplication_jobs.py)

## UV 스크립트

[uv-scripts](https://huggingface.co/uv-scripts) 조직은 단일 명령어로 Jobs에서 실행되는 자체 완결형 uv 스크립트 모음을 관리합니다. 스크립트는 OCR, 배치 추론, 텍스트 분류, 객체 감지, 데이터셋 통계, 임베딩 시각화 등을 다룹니다.

[Unsloth](https://huggingface.co/datasets/unsloth/jobs)는 Jobs에서 LLM 및 VLM을 파인튜닝하기 위한 즉시 실행 가능한 학습 스크립트도 제공합니다.

## 코딩 에이전트 스킬

Claude Code, Codex, Cursor와 같은 코딩 에이전트는 대신 Jobs를 제출하고 모니터링할 수 있습니다. 설치된 CLI에서 생성되어 최신 상태를 유지하도록 `hf` CLI 스킬을 설치하세요:

```bash
hf skills add
```

에이전트별 설정은 [Hugging Face CLI for AI agents](./agents-cli)를, 학습 및 기타 워크플로 스킬은 [Agent Skills](./agents-skills)를 참고하세요.

## 샌드박스

Jobs의 [포트 노출](./jobs-configuration#expose-ports) 기능 덕분에, 에이전트와 LLM 애플리케이션이 사용하는 임시 자체 포함 환경인 샌드박스를 구축하는 데 적합합니다.

## 커뮤니티 튜토리얼 및 프로젝트

- [다운로드 없이 대규모 데이터셋으로 학습](https://danielvanstrien.xyz/posts/2026/hf-streaming-unsloth/train-massive-datasets-without-downloading.html) - Unsloth를 사용하여 Jobs에서 데이터셋을 직접 스트리밍하며, 로컬 저장소가 필요하지 않습니다
- [TRL로 비전-언어 모델 파인튜닝](https://danielvanstrien.xyz/posts/2025/iconclass-vlm-sft/trl-vlm-fine-tuning-iconclass.html) - TRL과 Jobs를 사용하여 Qwen2.5-VL을 미술사 작업에 맞게 파인튜닝
- [FreeFlow](https://github.com/wjbmattingly/freeflow) - YOLOv11 객체 감지 모델 학습을 위한 내장된 Jobs 통합 기능을 갖춘 오픈소스 어노테이션 플랫폼
- [hfdask](https://github.com/Hanno-Labs/hfdask) - 하나의 YAML 클러스터 정의에서 CPU 및 GPU Job에 걸쳐 Dask 프로그램을 실행하며, 노드 간 mTLS 및 자동 클리닝을 지원합니다

---

Jobs를 사용하는 튜토리얼이나 프로젝트가 있으신가요? [PR을 열어](https://github.com/huggingface/hub-docs/edit/main/docs/hub/jobs-examples.md) 여기에 추가해 주세요.

