Ingenieros de API y servicios Python
API HTTP, workers y auth en FastAPI o Django, lo bastante tipados para sobrevivir a la siguiente ruta, no un views.py que se convirtió en el producto.
Python · API · Data · ML
Desarrolladores Python que entregan servicios, no notebooks
Una contratación Python no es «alguien que ejecutó un notebook Jupyter». Los ingenieros de iQud entregan API de producto, workers y servicios data-adyacentes en su repositorio (contratos, pipelines y modelos que sobreviven a la siguiente funcionalidad), no un script que solo funciona en su portátil.
- API Python y workers
- Pipelines de datos como trabajo de producto
- ML que llega a producción
- Primer PR en alrededor de una semana
Señales de entrega Python
- 5 dTiempo típico hasta el primer pull request
- APIServicios de producto, no demos de notebook
- DataPipelines tratados como trabajo de producto
- 2 sem.Cadencia de sprint con revisión de servicio
Los asientos Python que realmente cubrimos
«Python» no es un solo oficio. Emparejamos el servicio que su producto necesita, las mismas stacks detrás de nuestras páginas Python, Data Engineering y ML Development.
01 02 Python data-adyacente
Pipelines, jobs y transforms que aterrizan en su warehouse o Postgres, poseídos como trabajo de producto, no un cron del que nadie quiere.
03 ML que supera el notebook
Entrenamiento, serving y el pegamento aburrido alrededor de un modelo, para que la funcionalidad del próximo trimestre pueda llamarlo sin un intern de research de guardia.
04 Automatización que se queda en el repo
Herramientas internas, jobs batch e integraciones tratados como superficies de producto, con tests, reintentos y un owner en el standup.
05 Capas de datos con las que el siguiente job puede vivir
Esquemas Postgres, tablas de warehouse o stores de documentos diseñados para que el siguiente pipeline no luche con los nombres de columna del trimestre pasado.
06 Cuando Node, Nest o un asiento backend mixto es mejor
Una flota de API TypeScript o un admin Rails sigue queriendo otra contratación. Lo diremos en la llamada intro en vez de forzar un asiento solo-Python.
Herramientas que abren el primer día
Cada tesela es una página de tecnología o servicio iQud. La franja de abajo es el catálogo backend alrededor de Python, el mismo dominio que estos ingenieros ya entregan.
Parte trasera
De la llamada intro a un PR fusionado
Una contratación Python debe entregar una ruta, un job o un pipeline en su repositorio, no pasar dos meses de onboarding mientras el contrato de servicio sigue siendo un rumor.
1 Mapear el hueco Python
API vs pipeline vs ML, FastAPI vs Django, seniority, horas de solape, y qué es «listo en 30 días» en la capa de servicio.
2 Preseleccionar ingenieros reales
Emparejamos especialistas Python disponibles con su brief y compartimos trabajo de API, worker, pipeline o ML de producción.
3 Usted entrevista
Conozca a la persona que se unirá al standup. Valide cómo habla de un job fallido, de un cambio de esquema y del último notebook que se negó a dejar en producción.
4 Primer sprint en sus herramientas
Acceso al repo, entornos y primer pull request, normalmente en una semana tras el go.
Empiece con un asiento. Crezca si el backlog lo dice.
La mayoría de clientes integran primero un ingeniero Python. Un par o un split de pipeline solo si el trabajo de servicio lo necesita de verdad.
Un ingeniero embebido
Un especialista Python se une a su squad, sigue a su lead y trabaja en sus rituales.
Ideal paraCerrar un hueco de velocidad de API o pipeline sin un proceso de vendor nuevo
Asiento Python dedicado
Un owner estable para el servicio, una flota de jobs o la capa data-adyacente, con revisión senior en el sprint.
Ideal paraUn producto que necesita un owner Python con nombre
Iniciativa Python acotada
Un slice definido: cutover FastAPI, un pipeline de warehouse, o un camino de serving ML con contratos ya en movimiento.
Ideal paraUn hito que pueda señalar, no un banco abierto
Tarifas de contratación Python, por escrito
Dos formas de cubrir un ingeniero Python. Por hora para picos y tickets definidos. Un asiento mensual dedicado si quiere a alguien en el standup cada día, a una tarifa efectiva más baja que dejar correr el reloj.
Contratar por hora
20 €/ hora
Capacidad Python flexible para picos de API, revisiones y tickets acotados. Solo paga las horas trabajadas.
- Los mismos ingenieros Python que un asiento mensual
- Ideal para overflow, un fix de job o un solo pipeline
- Empezar rápido, pausar cuando el pico termina
- Facturado sobre horas reales, no un retainer
Mejor valor
Contratar por un mes
1840 €/ mes
Un ingeniero Python con nombre en su sprint, unas 160 horas de capacidad de servicio dedicada, con revisión senior en la cadencia.
Un mes a tiempo completo a 20 € son 3200 €. Este asiento es 1840 €.
- Ingeniero con nombre en el repo, los entornos y el standup
- Trabajo de API, workers y pipelines en el mismo engagement
- Mes a mes. Sin compromiso anual.
- Más barato que las mismas horas facturadas a 20 €
Tarifas para ingenieros Python dedicados (API, workers, servicios data-adyacentes). 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 cubren Python aquí
Un desarrollador Python mediocre produce un notebook que funciona en su portátil. Estos ingenieros producen un servicio que sobrevive a tráfico real, datos reales y el próximo trimestre de jobs.
Servicios y pipelines, no «Python que sabe importar pandas»
Viven en las rutas FastAPI, los workers Celery/RQ, y por qué los 500 de la semana pasada venían de un job que debería haber sido idempotente.
Su repo, su cloud, sus horas
Solape GIFT City con Europa y EE. UU. Las revisiones de servicio ocurren en vivo cuando sus leads están online.
Ojos senior en el sprint
Velocidad mid-level sin deriva de esquema 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 Python
Empiece con uno. La mayoría de clientes integran un ingeniero Python senior o mid, y luego añaden un par si el backlog de API o pipeline lo justifica.
Los tres cuando es trabajo de producto en Python. Un asiento API es FastAPI o Django. Un asiento data son pipelines y jobs. Un asiento ML son modelos que llegan a producción. Solo preseleccionaremos ingenieros en stacks que ya entregamos.
Eso es una contratación backend, no este asiento. Dígalo en la llamada intro y no impondremos un perfil solo-Python a un banco de servicio mixto.
Tras mapear el rol y su OK, los primeros pull requests suelen aterrizar en una semana, más rápido si el repo y los entornos están listos.
Sí. GitHub, Jira, su cloud, 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 Python con nombre en su sprint, unas 160 horas de capacidad dedicada. El mismo mes facturado por hora serían 3200 €. Seniority y solape se confirman en la llamada intro.
Dé al producto un ingeniero Python que pueda entregar el servicio
Díganos API vs pipeline vs ML, la capa de datos y el primer job que quiere en producción. Volveremos con un perfil con nombre, una ventana de arranque y un plan de dos semanas.