01🏠Hub 활용
0/6 lessons레포, 카드, 토큰, 캐시
Hub는 Git을 바탕으로 움직이는 레지스트리야. 모델·데이터셋·Space를 각각 계약이 있는 저장소로 다루는 법부터 익혀.
🤗
Hugging Face Quest
최근 수정: 2026-07-29오픈 모델 생태계, 처음부터 끝까지
Hub 저장소와 모델 카드부터 Transformers, Datasets, InferenceClient, TGI, vLLM, Trainer·PEFT, Spaces, Accelerate, Optimum, TRL, GGUF, ONNX, MLX까지 이어지는 오픈웨이트 운영 기반을 한 번에 다져.
8 tracks · 50 lessons · ~36h · difficulty: beginner-to-advanced
Level 0스카우트
0 XP0/50 lessons0/10 achievements
0/120 XP to next level120 XP to go0% complete
허깅페이스는 모델 파일을 받는 사이트 하나가 아니라 오픈웨이트 AI가 발견되고, 학습되고, 실행되고, 공개되는 운영 허브야. 이 퀘스트는 여덟 트랙을 따라 Hub를 Git 기반 저장소 계약으로 읽고, Transformers를
pipeline() 너머에서 제어하고, 큰 데이터셋을 스트리밍으로 다루고, InferenceClient로 provider를 바꿔 가며 추론해. 이어서 TGI와 vLLM으로 실제 트래픽을 받고, LoRA·QLoRA로 모델을 조정하고, Space에 결과를 보여 줘. 마지막에는 Accelerate, Optimum, TRL, GGUF, ONNX, MLX를 연결해 한 산출물이 다음 단계의 입력이 되는 전체 계보를 완성해. 각 수업은 실행 가능한 코드, 실제 실패 조건, 공식 문서로 배운 내용을 붙잡아.Tracks
02🤖Transformers 라이브러리
0/6 lessonspipeline() 에서 generate() 로
Transformers의 백엔드와 Auto* 레지스트리, 생성 상태 기계를 익혀. `pipeline()`에서 시작해 직접 제어하는 계층까지 내려가.
Lesson list (6)
- 01설치, 그리고 백엔드 셋의 현실~25 min · transformers, install
- 02pipeline() 추상화~28 min · transformers, pipeline
- 03태스크, Auto 클래스, from_pretrained()~30 min · transformers, auto
- 04토크나이저 깊이: BPE, WordPiece, SentencePiece~32 min · transformers, tokenization
- 05Generation 설정: Sampling, Beam, Constraints~30 min · transformers, generation
- 06저장, 로드, push_to_hub~25 min · transformers, hub, save
- 01
03📦Datasets 라이브러리
0/8 lessonsLoad, transform, stream, push
Arrow 기반 Datasets로 Hub·로컬·스트리밍 자료를 한 흐름에서 다뤄. 불러오기부터 변환, 분할, Hub 공개까지 이어가.
Lesson list (8)
- 01load_dataset(): 만능 로더~26 min · datasets, load
- 02Dataset vs DatasetDict, Features, 스키마~24 min · datasets, schema
- 03Pandas, Arrow, 뷰어로 탐색~22 min · datasets, explore
- 04dataset.map(): 캐시되는 변환~30 min · datasets, map
- 05Streaming Datasets 와 IterableDataset~26 min · datasets, streaming
- 06로컬 파일에서 커스텀 데이터셋~24 min · datasets, custom
- 07Splitting, Combining, Concatenating~20 min · datasets, split
- 08Caching, push_to_hub, 재현성~24 min · datasets, hub, cache
- 01
04🔌InferenceClient & 프로바이더
0/5 lessons클라이언트 하나, 백엔드 여럿
InferenceClient 하나로 HF 호스팅, 외부 provider, 자체 TGI, OpenAI 호환 끝점을 연결해. 호출부를 유지한 채 백엔드를 바꾸는 법을 익혀.
Lesson list (5)
- 01InferenceClient: 객체 하나, 백엔드 여러 개~26 min · inference, client
- 02Provider Routing 과 가격 표면~24 min · inference, providers
- 03Streaming, Tool Use, Structured Output~30 min · inference, streaming
- 04OpenAI 호환 엔드포인트~22 min · inference, openai-compat
- 05비용, Rate Limit, 재시도 전략~26 min · inference, ops
- 01
05🚀TGI 와 vLLM
0/5 lessons진짜 서빙, 진짜 동시성
연속 배치, PagedAttention, 서빙 시점 양자화, 상태 점검과 재시작을 익혀. Flask 뒤의 `pipeline()`을 실제 트래픽용 서버로 바꿔.
06🎯Trainer + PEFT
0/8 lessonsSFT, LoRA, QLoRA, DPO
Trainer, TrainingArguments, collator, metric으로 표준 학습 루프를 만들고 LoRA·QLoRA·SFTTrainer로 작은 GPU에서도 큰 모델을 조정해.
Lesson list (8)
- 01Trainer 와 TrainingArguments~30 min · training, trainer
- 02Data Collator: Padding 과 그 너머~22 min · training, collator
- 03Eval Metric 과 evaluate 라이브러리~24 min · training, eval, metrics
- 04Mixed Precision, Gradient Accumulation, 메모리~26 min · training, memory, amp
- 05왜 Fine-Tune (vs. Prompt, vs. RAG)~20 min · training, decision
- 06LoRA: Low-Rank Adaptation~28 min · training, peft, lora
- 07QLoRA 와 PEFT 라이브러리~26 min · training, peft, qlora
- 08SFTTrainer, Chat Template, Merging~26 min · training, trl, sft
- 01
07🖼️Spaces 와 앱
0/4 lessonsGradio, Streamlit, Docker
Space는 선언 파일로 앱을 실행하는 Git 저장소야. ML 데모는 Gradio, 상태가 있는 대시보드는 Streamlit, 맞춤 런타임은 Docker, 정적 화면은 Static으로 골라.
08🛠️생태계 운영
0/8 lessonsSafetensors, GGUF, MLX, DPO, E2E
Safetensors 보안, 양자화 형식, Accelerate·FSDP, Optimum, TRL을 묶어 Hub→학습→서빙→Space의 전체 운영 루프를 완성해.
Lesson list (8)
- 01Safetensors: 왜 디폴트인가~22 min · ops, safetensors, security
- 02양자화 포맷 cheat sheet~24 min · ops, quantization
- 03Ollama / llama.cpp 용 GGUF Export~24 min · ops, gguf, ollama
- 04ONNX 와 MLX 변환~22 min · ops, onnx, mlx
- 05Accelerate: 멀티 디바이스, Mixed Precision, FSDP~22 min · ops, accelerate
- 06Optimum: 하드웨어별 최적화~20 min · ops, optimum
- 07TRL: RLHF, DPO, Preference Optimization~24 min · ops, trl, rlhf
- 08End-to-End: Hub → Train → Serve → Space~28 min · ops, pipeline
- 01
댓글 0
🔔 답글 알림 (로그인 필요)로그인 — 댓글을 남기려면 로그인해 주세요.
아직 댓글이 없어요. 첫 댓글을 남겨보세요.