Ingenieros ML de producción
Entrenamiento, eval, serving y la cola aburrida alrededor de un modelo, para que la función del próximo trimestre pueda llamarlo sin un becario de investigación de guardia.
IA · ML · PNL · Visión por computadora
Ingenieros AI / ML que entregan inteligencia en producción
Una contratación AI / ML no es «alguien que entrenó un notebook Colab». Los ingenieros de iQud entregan funciones generativas, modelos, NLP y computer vision que sobreviven al eval, al serving y al siguiente dataset, no una demo que nunca salió del portátil.
- Modelos que llegan a producción
- NLP y computer vision como trabajo de producto
- Funciones generativas con eval, no a ojo
- Primer PR en aproximadamente una semana
Señales de entrega AI / ML
- 5 díasTiempo típico hasta el primer pull request
- PincharServing y eval, no demos de notebook
- 4 superficiesGenAI, modelos, NLP y visión
- 2 sem.Cadencia de sprint con revisión de modelo
Los asientos AI / ML que realmente cubrimos
«AI / ML» no es un solo oficio. Emparejamos la superficie de producto que necesita: las mismas stacks detrás de las páginas AI Development, ML Development, Computer Vision y NLP de iQud.
01 02 Funciones generativas que sobreviven al eval
RAG, prompts y rebanadas producto LLM tratados como trabajo propio (calidad de retrieval, fallbacks y coste), no una demo chatbot que solo funciona en un PDF.
03 NLP como superficie de producto
Extracción, clasificación, búsqueda y flujos de lenguaje poseídos en el repo, no un script de sentimiento que nadie puede reentrenar tras el lanzamiento.
04 Computer vision en el workflow
Detección, OCR e inteligencia de imagen que corren sobre entradas reales, no un notebook YOLO que solo funciona en la carpeta de muestras del ingeniero.
05 MLOps con los que el próximo job puede convivir
Pipelines, versionado y monitorización tratados como trabajo de producto, no una diapositiva de «lo llevaremos a prod más tarde».
06 Cuando un asiento Python API, prompt-only o CV-only es mejor
Una flota FastAPI sin modelo, un chatbot RAG sin bucle de entrenamiento, o un banco de imagen puro sigue queriendo otra contratación. Lo diremos en la llamada intro en vez de forzar un asiento AI / ML mixto.
Herramientas que abren el primer día
Cada tesela es una página de tecnología o servicio iQud. La franja de abajo es el catálogo AI / ML que estos ingenieros ya entregan (TensorFlow, PyTorch, OpenAI, Hugging Face, OpenCV y el resto de la stack de producción), no un volcado backend o frontend.
De la llamada intro a un PR fusionado
Una contratación AI / ML debe entregar un modelo, un eval o una rebanada generativa en su repositorio, no pasar dos meses de teatro de onboarding mientras el notebook sigue siendo un rumor.
1 Mapear el hueco AI / ML
Modelos vs NLP vs visión vs funciones generativas, madurez de datos, seniority, horas de solape, y qué es «listo en 30 días» en serving o eval.
2 Preseleccionar ingenieros reales
Emparejamos especialistas AI / ML disponibles con su brief y compartimos trabajo de modelo de producción, NLP, visión o función generativa relevante.
3 Usted entrevista
Conozca a la persona que se unirá al standup. Valide cómo habla de un eval fallido, de una regresión de serving, y del último modelo que realmente poseía más allá del notebook.
4 Primer sprint en sus herramientas
Acceso al repo, rutas de datos y primer pull request, normalmente en una semana tras el go.
Empiece con un asiento. Crezca si el backlog lo dice.
La mayoría de los clientes incorporan primero un ingeniero AI / ML. Un par o un split de superficie solo si el trabajo lo necesita de verdad.
Un ingeniero embebido
Un especialista AI / ML se une a su squad, sigue a su lead y trabaja en sus rituales.
Ideal paraCerrar un hueco de inteligencia de producción sin un proceso de vendor nuevo
Asiento AI / ML dedicado
Un owner estable para el modelo, la superficie NLP o la rebanada generativa, con revisión sénior en el sprint.
Ideal paraUn producto que necesita un owner de inteligencia con nombre
Iniciativa AI / ML delimitada
Una franja definida: un primer modelo de producción, una ruta de extracción NLP, o una función generativa con contratos ya en movimiento.
Ideal paraUn hito al que pueda señalar, no un banco de investigación abierto
Tarifas de contratación AI / ML, por escrito
Dos formas de staffar un ingeniero AI / ML. Por hora para picos y tickets definidos. Un asiento mensual dedicado si quiere a alguien en el standup todos los días, a una tarifa efectiva más baja que dejar correr el reloj.
Contratar por hora
20 €/ hora
Capacidad AI / ML flexible para picos de features, evals y tickets delimitados. Solo paga las horas trabajadas.
- Los mismos ingenieros AI / ML que un asiento mensual
- Ideal para overflow, un fix de modelo o una release única
- Empezar rápido, pausar cuando el pico acaba
- Facturado sobre horas reales, no un retainer
Mejor valor
Contratar por un mes
1840 €/ mes
Un ingeniero AI / ML con nombre en su sprint, unas 160 horas de capacidad de inteligencia de producción dedicada, con revisión sénior en la cadencia.
Un mes completo a 20 € es 3200 €. Este asiento es 1840 €.
- Ingeniero con nombre en el repo, rutas de datos y standup
- Trabajo de modelo, NLP, visión o generativo en el mismo engagement
- Mes a mes. Sin compromiso anual.
- Más barato que las mismas horas facturadas a 20 €
Tarifas para ingenieros AI / ML dedicados (modelos de producción, NLP, computer vision, funciones generativas). Mix de seniority y solape se confirman en la llamada intro. No cotizamos una stack que no entregamos ya.
Por qué los equipos de producto staffan AI / ML aquí
Un desarrollador AI / ML mediocre produce un notebook que funciona en su portátil. Estos ingenieros producen una función que sobrevive a datos reales, eval real y su próxima release.
Trabajo de producción, no «quien puede entrenar un notebook Colab»
Viven en serving, eval, y por qué la regresión de la semana pasada venía de una fuga de datos que debería haber poseído su propio check.
Su repo, sus datos, sus horas
Solape GIFT City con Europa y EE. UU. Las revisiones de modelo ocurren en vivo cuando sus leads están en línea.
Ojos sénior en el sprint
Velocidad mid-level sin deuda de modelo sin supervisión. La revisión es parte del engagement, no un SKU extra.
Diez clientes por trimestre, a propósito
No hacemos girar un banco. La capacidad es limitada para que el ingeniero que entrevista sea el del standup.
Preguntas de contratación AI / ML
Empiece con uno. La mayoría de los clientes incorporan un ingeniero AI / ML sénior o mid, y luego añaden un par si el backlog de modelo, NLP o generativo lo justifica.
Los cuatro cuando es trabajo de producto. Un asiento ML es entrenamiento, eval y serving. Un asiento NLP posee flujos de lenguaje. Un asiento visión posee detección y OCR. Un asiento generativo posee RAG y rebanadas producto LLM con eval. Solo preseleccionamos ingenieros en stacks que ya entregamos.
Eso es una contratación Python, o un asiento GenAI de producto, no este perfil AI / ML mixto de producción. Dígalo en la llamada intro y no impondremos un asiento de entrenamiento de modelo a un brief API o prompt-only.
Después de mapear el rol y su OK, los primeros pull requests suelen aterrizar en una semana, más rápido si el repo, rutas de datos y entorno de serving están listos.
Sí. GitHub, Jira, su CI, sus standups. No inventamos un proceso paralelo salvo que lo pida.
Por hora (20 €) es para picos y tickets definidos, solo paga las horas trabajadas. El asiento mensual (1840 €) es un ingeniero AI / ML con nombre en su sprint, unas 160 horas de capacidad dedicada. El mismo mes facturado por hora sería 3200 €. Seniority y solape se confirman en la llamada intro.
Dé al producto un ingeniero AI / ML que pueda entregar más allá del notebook
Díganos modelos vs NLP vs visión vs funciones generativas, y lo primero que quiere en producción. Volveremos con un perfil con nombre, una ventana de arranque y un plan de dos semanas.