# Exemples et tutoriels

## Entraîner des modèles

Les commandes de lancement pour Transformers, TRL, Unsloth et Axolotl se trouvent sur [Train Models on Jobs](./jobs-training). Chacune renvoie vers le guide propre à la bibliothèque.

## Traiter des données à grande échelle

[DataTrove](https://github.com/huggingface/datatrove) fournit un [`JobsPipelineExecutor`](https://github.com/huggingface/datatrove#jobspipelineexecutor) expérimental pour distribuer les pipelines de traitement de données sur un pool de Jobs. Il prend en charge les limites de concurrence, les dépendances multi-étapes, les nouvelles tentatives et les exécutions résumables — relancer un pipeline ignore les tâches déjà terminées et n'exécute que celles restantes.

Consultez les exemples prêts à l’emploi pour :

- [Filtrer un jeu de données du Hub](https://github.com/huggingface/datatrove/blob/main/examples/filter_hf_dataset_jobs.py)
- [Tokenisation et fusion d'un jeu de données du Hub](https://github.com/huggingface/datatrove/blob/main/examples/tokenize_hf_dataset_jobs.py)
- [Déduplication MinHash multi-étapes](https://github.com/huggingface/datatrove/blob/main/examples/minhash_deduplication_jobs.py)

## Scripts UV

L’organisation [uv-scripts](https://huggingface.co/uv-scripts) maintient une collection de scripts uv autonomes qui s’exécutent sur Jobs avec une seule commande. Les scripts couvrent l’OCR, l’inférence par lots, la classification de texte, la détection d’objets, les statistiques de jeu de données, la visualisation d’embeddings, et plus encore.

[Unsloth](https://huggingface.co/datasets/unsloth/jobs) fournit également des scripts d’entraînement prêts à l’emploi pour l’ajustement fin de LLM et VLM sur Jobs.

## Compétences de l'agent de codage

Les agents de codage tels que Claude Code, Codex et Cursor peuvent soumettre et surveiller les Jobs pour vous. Installez la compétence `hf` de la CLI, générée à partir de votre CLI installée afin qu'elle reste à jour :

```bash
hf skills add
```

Consultez [Hugging Face CLI for AI agents](./agents-cli) pour la configuration par agent et [Agent Skills](./agents-skills) pour les compétences de formation et d’autres flux de travail.

## Sandbox

La fonctionnalité [expose ports](./jobs-configuration#expose-ports) des Jobs en fait un choix idéal pour créer des sandboxes, c’est-à-dire des environnements temporaires et autonomes utilisés par les agents et les applications LLM.

## Tutoriels et projets de la communauté

- [Entraînez sur des jeux de données massifs sans les télécharger](https://danielvanstrien.xyz/posts/2026/hf-streaming-unsloth/train-massive-datasets-without-downloading.html) - Stream des datasets directement sur Jobs avec Unsloth, aucun stockage local requis
- [Ajuster finement un modèle vision-langage avec TRL](https://danielvanstrien.xyz/posts/2025/iconclass-vlm-sft/trl-vlm-fine-tuning-iconclass.html) - Ajuster finement Qwen2.5-VL pour des tâches d'histoire de l'art en utilisant TRL et Jobs
- [FreeFlow](https://github.com/wjbmattingly/freeflow) - Plateforme d'annotation open source avec intégration native de Jobs pour l'entraînement de modèles de détection d'objets YOLOv11
- [hfdask](https://github.com/Hanno-Labs/hfdask) - Exécutez des programmes Dask sur des Jobs CPU et GPU à partir d'une seule définition de cluster YAML, avec mTLS entre les nœuds et nettoyage automatique

---

Vous avez un tutoriel ou un projet utilisant Jobs ? [Ouvrez une PR](https://github.com/huggingface/hub-docs/edit/main/docs/hub/jobs-examples.md) pour l’ajouter ici.