Engenheiros de API e serviços Python
API HTTP, workers e auth em FastAPI ou Django, tipados o suficiente para sobreviver à próxima rota, não um views.py que se tornou o produto.
Python · API · Data · ML
Programadores Python que entregam serviços, não notebooks
Uma contratação Python não é «alguém que correu um notebook Jupyter». Os engenheiros da iQud entregam API de produto, workers e serviços data-adjacentes no vosso repositório (contratos, pipelines e modelos que sobrevivem à próxima funcionalidade), não um script que só funciona no portátil.
- API Python e workers
- Pipelines de dados como trabalho de produto
- ML que chega à produção
- Primeiro PR em cerca de uma semana
Sinais de entrega Python
- 5 dTempo típico até ao primeiro pull request
- APIServiços de produto, não demos de notebook
- DataPipelines tratados como trabalho de produto
- 2 sem.Cadência de sprint com revisão de serviço
Os lugares Python que realmente preenchemos
«Python» não é um único ofício. Emparelhamos o serviço de que o produto precisa, as mesmas stacks por trás das nossas páginas Python, Data Engineering e ML Development.
01 02 Python data-adjacente
Pipelines, jobs e transforms que aterrissam no warehouse ou no Postgres, possuídos como trabalho de produto, não um cron de que ninguém quer.
03 ML que ultrapassa o notebook
Treino, serving e a cola aborrecida à volta de um modelo, para que a funcionalidade do próximo trimestre o possa chamar sem um estagiário de research de serviço.
04 Automação que fica no repositório
Ferramentas internas, jobs batch e integrações tratados como superfícies de produto, com testes, retries e um owner no standup.
05 Camadas de dados com as quais o próximo job pode viver
Esquemas Postgres, tabelas de warehouse ou stores de documentos desenhados para que o próximo pipeline não lute com os nomes de coluna do trimestre passado.
06 Quando Node, Nest ou um lugar backend misto é melhor
Uma frota de API TypeScript ou um admin Rails ainda quer outra contratação. Diremo-lo na chamada intro em vez de forçar um lugar só-Python.
Ferramentas que abrem no primeiro dia
Cada ladrilho é uma página de tecnologia ou serviço iQud. A faixa abaixo é o catálogo backend à volta de Python, o mesmo domínio que estes engenheiros já entregam.
Back-end
Da chamada intro a um PR fundido
Uma contratação Python deve entregar uma rota, um job ou um pipeline no vosso repositório, não dois meses de onboarding enquanto o contrato de serviço continua um rumor.
1 Mapear o fosso Python
API vs pipeline vs ML, FastAPI vs Django, seniority, horas de sobreposição, e o que é «feito em 30 dias» na camada de serviço.
2 Pré-selecionar engenheiros reais
Emparelhamos especialistas Python disponíveis com o vosso brief e partilhamos trabalho de API, worker, pipeline ou ML de produção.
3 Vocês entrevistam
Conheçam a pessoa que vai entrar no standup. Validem como fala de um job falhado, de uma alteração de esquema e do último notebook que recusou deixar em produção.
4 Primeiro sprint nas vossas ferramentas
Acesso ao repo, ambientes e primeiro pull request, normalmente numa semana após o go.
Comece com um lugar. Cresça se o backlog o disser.
A maioria dos clientes incorpora primeiro um engenheiro Python. Um par ou um split de pipeline só se o trabalho de serviço o precisar mesmo.
Um engenheiro incorporado
Um especialista Python junta-se ao vosso squad, segue o lead e trabalha nos vossos rituais.
Ideal paraFechar um fosso de velocidade de API ou pipeline sem um processo de vendor novo
Lugar Python dedicado
Um owner estável para o serviço, uma frota de jobs ou a camada data-adjacente, com revisão sénior no sprint.
Ideal paraUm produto que precisa de um owner Python com nome
Iniciativa Python delimitada
Uma fatia definida: cutover FastAPI, um pipeline de warehouse, ou um caminho de serving ML com contratos já em movimento.
Ideal paraUm marco que possam apontar, não um banco aberto
Tarifas de contratação Python, por escrito
Duas formas de staffar um engenheiro Python. À hora para picos e tickets definidos. Um lugar mensal dedicado se quiserem alguém no standup todos os dias, a uma taxa efetiva mais baixa do que deixar o relógio correr.
Contratar à hora
20 €/ hora
Capacidade Python flexível para picos de API, revisões e tickets delimitados. Pagam apenas as horas trabalhadas.
- Os mesmos engenheiros Python que um lugar mensal
- Ideal para overflow, um fix de job ou um único pipeline
- Começar depressa, pausar quando o pico acaba
- Faturado sobre horas reais, não um retainer
Melhor valor
Contratar por um mês
1840 €/ mês
Um engenheiro Python com nome no vosso sprint, cerca de 160 horas de capacidade de serviço dedicada, com revisão sénior na cadência.
Um mês a tempo inteiro a 20 € é 3200 €. Este lugar é 1840 €.
- Engenheiro com nome no repo, nos ambientes e no standup
- Trabalho de API, workers e pipelines no mesmo engagement
- Mês a mês. Sem compromisso anual.
- Mais barato do que as mesmas horas faturadas a 20 €
Tarifas para engenheiros Python dedicados (API, workers, serviços data-adjacentes). Mix de seniority e sobreposição confirmados na chamada intro. Não cotamos uma stack que não entregamos já.
Porque é que as equipas de produto staffam Python aqui
Um programador Python medíocre produz um notebook que funciona no portátil. Estes engenheiros produzem um serviço que sobrevive a tráfego real, dados reais e ao próximo trimestre de jobs.
Serviços e pipelines, não «Python que sabe importar pandas»
Vivem nas rotas FastAPI, nos workers Celery/RQ, e porque os 500 da semana passada vinham de um job que deveria ter sido idempotente.
O vosso repo, a vossa cloud, as vossas horas
Sobreposição GIFT City com a Europa e os EUA. As revisões de serviço acontecem em direto quando os leads estão online.
Olhos seniores no sprint
Velocidade mid-level sem deriva de esquema sem supervisão. A revisão faz parte do engagement, não um SKU extra.
Dez clientes por trimestre, de propósito
Não fazemos girar um banco. A capacidade é limitada para que o engenheiro que entrevistam seja o do standup.
Perguntas de contratação Python
Comece com um. A maioria dos clientes incorpora um engenheiro Python sénior ou mid, e depois acrescenta um par se o backlog de API ou pipeline o justificar.
Os três quando é trabalho de produto em Python. Um lugar API é FastAPI ou Django. Um lugar data são pipelines e jobs. Um lugar ML são modelos que chegam à produção. Só pré-selecionaremos engenheiros em stacks que já entregamos.
Isso é uma contratação backend, não este lugar. Digam-no na chamada intro e não imporremos um perfil só-Python a um banco de serviço misto.
Depois de mapear o papel e o vosso OK, os primeiros pull requests aterram normalmente numa semana, mais rápido se o repo e os ambientes estiverem prontos.
Sim. GitHub, Jira, a vossa cloud, os vossos standups. Não inventamos um processo paralelo a menos que peçam.
À hora (20 €) é para picos e tickets definidos, pagam só as horas trabalhadas. O lugar mensal (1840 €) é um engenheiro Python com nome no vosso sprint, cerca de 160 horas de capacidade dedicada. O mesmo mês faturado à hora seria 3200 €. Seniority e sobreposição confirmam-se na chamada intro.
Dê ao produto um engenheiro Python que consiga entregar o serviço
Digam-nos API vs pipeline vs ML, a camada de dados e o primeiro job que querem em produção. Voltaremos com um perfil com nome, uma janela de arranque e um plano de duas semanas.