Python-API- und Service-Ingenieure
HTTP-APIs, Worker und Auth in FastAPI oder Django: typisiert genug, um die nächste Route zu überleben, nicht ein views.py, das zum Produkt wurde.
Python · APIs · Data · ML
Python-Entwickler die Services liefern, keine Notebooks
Ein Python-Hire ist nicht „jemand, der ein Jupyter-Notebook laufen ließ“. iQud-Ingenieure liefern Produkt-APIs, Worker und daten-nahe Services in Ihrem Repo (Verträge, Pipelines und Modelle, die das nächste Feature überleben), nicht ein Skript, das nur auf ihrem Laptop läuft.
- Python-APIs und Worker
- Data-Pipelines als Produktarbeit
- ML, das in Produktion ankommt
- Erster PR in etwa einer Woche
Python-Lieferzeichen
- 5 TTypische Zeit bis zum ersten Pull Request
- APIProduktservices, keine Notebook-Demos
- DataPipelines als besessene Produktarbeit
- 2 Wo.Sprint-Takt mit Service-Review
Die Python-Sitze, die wir wirklich besetzen
„Python“ ist kein einzelner Job. Wir matchen den Service, den Ihr Produkt braucht, dieselben Stacks hinter unseren Live-Seiten zu Python, Data Engineering und ML Development.
01 02 Daten-nahes Python
Pipelines, Jobs und Transforms, die in Ihrem Warehouse oder Postgres landen: als Produktarbeit besessen, nicht ein Cron, den niemand will.
03 ML, das am Notebook vorbeikommt
Training, Serving und der langweilige Klebstoff um ein Modell, damit das Feature des nächsten Quartals es aufrufen kann, ohne einen Research-Praktikanten on-call.
04 Automatisierung, die im Repo bleibt
Interne Tools, Batch-Jobs und Integrationen als Produktoberflächen, mit Tests, Retries und einem Owner im Standup.
05 Datenschichten, mit denen der nächste Job leben kann
Postgres-Schemas, Warehouse-Tabellen oder Document Stores so, dass die nächste Pipeline nicht gegen die Spaltennamen des letzten Quartals kämpft.
06 Wenn Node, Nest oder ein gemischter Backend-Sitz besser ist
Eine TypeScript-API-Flotte oder ein Rails-Admin will weiterhin einen anderen Hire. Das sagen wir im Intro-Call statt einen Python-only-Sitz zu erzwingen.
Werkzeuge, die sie am ersten Tag öffnen
Jede Kachel ist eine Live-iQud-Technologie- oder Serviceseite. Das Band darunter ist der Backend-Katalog um Python, dieselbe Domäne, die diese Ingenieure bereits liefern.
Back-End
Vom Intro-Call zum gemergten PR
Ein Python-Hire soll eine Route, einen Job oder eine Pipeline in Ihrem Repo liefern, nicht zwei Monate Onboarding, während der Servicevertrag ein Gerücht bleibt.
1 Die Python-Lücke kartieren
API vs Pipeline vs ML, FastAPI vs Django, Seniorität, Overlap-Stunden und was „fertig in 30 Tagen“ in der Service-Schicht heißt.
2 Echte Ingenieure shortlisten
Wir matchen verfügbare Python-Spezialisten auf Ihr Briefing und teilen relevante API-, Worker-, Pipeline- oder Produktions-ML-Arbeit.
3 Sie interviewen
Treffen Sie den Menschen, der ins Standup kommt. Prüfen Sie, wie er über einen fehlgeschlagenen Job, eine Schema-Änderung und das letzte Notebook spricht, das er nicht in Produktion lassen wollte.
4 Erster Sprint in Ihren Tools
Repo-Zugang, Umgebungen und erster Pull Request: typisch innerhalb einer Woche nach dem Go.
Mit einem Sitz starten. Wachsen, wenn das Backlog es sagt.
Die meisten Kunden betten zuerst einen Python-Ingenieur ein. Ein Pair oder ein Pipeline-Split nur, wenn die Service-Arbeit es wirklich braucht.
Ein eingebetteter Ingenieur
Ein Python-Spezialist kommt in Ihr Squad, folgt Ihrem Lead und arbeitet in Ihren Ritualen.
Am besten fürEine API- oder Pipeline-Velocity-Lücke schließen ohne neuen Vendor-Prozess
Dedizierter Python-Sitz
Ein stabiler Owner für den Service, eine Job-Flotte oder die daten-nahe Schicht, mit Senior-Review im Sprint.
Am besten fürEin Produkt, das einen namentlichen Python-Owner braucht
Begrenzte Python-Initiative
Ein definierter Slice: FastAPI-Cutover, eine Warehouse-Pipeline oder ein ML-Serving-Pfad mit Verträgen schon in Bewegung.
Am besten fürEin Meilenstein, den Sie zeigen können, keine offene Bank
Python-Einstellungstarife, schriftlich
Zwei Wege, einen Python-Ingenieur zu staffen. Stündlich für Spikes und definierte Tickets. Ein dedizierter Monatssitz, wenn jemand jeden Tag in Ihrem Standup sein soll, zu einem niedrigeren Effektivsatz als die Uhr laufen zu lassen.
Stündlich einstellen
20 €/ Stunde
Flexible Python-Kapazität für API-Spikes, Reviews und begrenzte Tickets. Sie zahlen nur gearbeitete Stunden.
- Dieselben Python-Ingenieure wie ein Monatssitz
- Am besten für Overflow, einen Job-Fix oder eine einzelne Pipeline
- Schnell starten, pausieren wenn der Spike vorbei ist
- Abgerechnet nach echten Stunden, kein Retainer
Bester Wert
Für einen Monat einstellen
1.840 €/ Monat
Ein namentlicher Python-Ingenieur in Ihrem Sprint: etwa 160 Stunden dedizierte Service-Kapazität, mit Senior-Review im Takt.
Ein Vollzeitmonat zu 20 € ist 3.200 €. Dieser Sitz ist 1.840 €.
- Namentlicher Ingenieur in Repo, Umgebungen und Standup
- API-, Worker- und Pipeline-Arbeit im selben Engagement
- Monat für Monat. Keine Jahresbindung.
- Günstiger als dieselben Stunden zu 20 €
Tarife für dedizierte Python-Ingenieure (APIs, Worker, daten-nahe Services). Senioritätsmix und Overlap werden im Intro-Call bestätigt. Wir quotieren keinen Stack, den wir nicht bereits liefern.
Warum Produktteams Python hier staffen
Ein mittelmäßiger Python-Entwickler produziert ein Notebook, das auf seinem Laptop läuft. Diese Ingenieure produzieren einen Service, der echten Traffic, echte Daten und das nächste Quartal an Jobs überlebt.
Services und Pipelines, nicht „Python, der pandas importieren kann“
Sie leben in FastAPI-Routen, Celery/RQ-Workern und warum die 500er der letzten Woche von einem Job kamen, der idempotent hätte sein sollen.
Ihr Repo, Ihre Cloud, Ihre Stunden
GIFT-City-Overlap mit Europa und den USA. Service-Reviews live, wenn Ihre Leads online sind.
Senior-Augen auf dem Sprint
Mid-Level-Tempo ohne unüberwachte Schema-Drift. Review ist Teil des Engagements, kein Extra-SKU.
Zehn Kunden pro Quartal, absichtlich
Wir betreiben keine drehende Bank. Kapazität ist begrenzt, damit der Ingenieur, den Sie interviewen, der im Standup ist.
Fragen zur Python-Einstellung
Beginnen Sie mit einem. Die meisten Kunden betten einen senioren oder mid-level Python-Ingenieur ein und ergänzen ein Pair, wenn der API- oder Pipeline-Backlog es rechtfertigt.
Alle drei, wenn es Produktarbeit in Python ist. Ein API-Sitz sind FastAPI- oder Django-Services. Ein Data-Sitz sind Pipelines und Jobs. Ein ML-Sitz sind Modelle, die in Produktion ankommen. Wir shortlisten nur Ingenieure auf Stacks, die wir bereits liefern.
Das ist ein Backend-Hire, nicht dieser Sitz. Sagen Sie es im Intro-Call. Wir zwingen kein Python-only-Profil auf eine gemischte Service-Bank.
Nachdem wir die Rolle gemappt haben und Sie den Hire freigeben, landen erste Pull Requests typisch innerhalb einer Woche, schneller, wenn Repo und Umgebungen bereit sind.
Ja. GitHub, Jira, Ihre Cloud, Ihre Standups. Wir erfinden keinen Parallelprozess, außer Sie bitten darum.
Stündlich (20 €) ist für Spikes und definierte Tickets. Sie zahlen nur gearbeitete Stunden. Der Monatssitz (1.840 €) ist ein namentlicher Python-Ingenieur in Ihrem Sprint, etwa 160 Stunden dedizierte Kapazität. Derselbe Monat stündlich abgerechnet wäre 3.200 €. Seniorität und Overlap werden im Intro-Call bestätigt.
Geben Sie dem Produkt einen Python-Ingenieur, der den Service liefern kann
Sagen Sie uns API vs Pipeline vs ML, die Datenschicht und den ersten Job, den Sie in Produktion wollen. Wir kommen mit einem namentlichen Profil, einem Startfenster und einem Zwei-Wochen-Plan zurück.