Артем С. · Middle
Опыт 3+ лет · Москва
Ставка: от 1 900 ₽/ч
ML Engineering · MLOps · inference
Аутстаффинг ML-инженеров
Подключаем сотрудников CodeHub для внедрения и эксплуатации ML-моделей: упаковка inference, API, MLOps-пайплайны, мониторинг, масштабирование и оптимизация производительности.
Вы согласуете требования и принимаете результат. CodeHub организует выполнение IT-работ по модели Time & Material.
Production для MLот 1 900 ₽/часCV наших сотрудников
ML
Production ML
model · serving · monitoring
Обученная модель и данные
↓
Inference / ML serviceAPI · containers · pipelines
↓
PlatformK8s · Kubeflow
Observemetrics · drift · logs
Компетенции согласуем под архитектуру и задачи проекта
Нам доверяют
ML Engineer под задачи внедрения моделей
Профили с основной ML Engineering-специализацией: inference, MLOps, контейнеризация, мониторинг, оптимизация моделей и интеграция с продуктом.
Дарья С. · Senior+
Опыт 8+ лет · Орел
Ставка: от 4 800 ₽/ч
Денис Д. · Middle
Опыт 3+ лет · Санкт-Петербург
Ставка: от 2 000 ₽/ч
Валерия М. · Middle
Опыт 5+ лет · Санкт-Петербург
Ставка: от 2 270 ₽/ч
Александр С. · Middle
Опыт 4+ лет · Москва
Ставка: от 2 030 ₽/ч
Матвей С. · Middle
Опыт 6+ лет · Москва
Ставка: от 2 280 ₽/ч
Екатекрина С. · Middle
Опыт 3+ лет · Москва
Ставка: от 1 900 ₽/ч
Александра Ш. · Middle
Опыт 4+ лет · Грозный
Ставка: от 2 030 ₽/ч
Майя П. · Senior+
Опыт 9+ лет · Санкт-Петербург
Ставка: от 4 800 ₽/ч
Ирина Д. · Senior+
Опыт 8+ лет · Москва
Ставка: от 4 800 ₽/ч
Владимир Д. · Middle
Опыт 4+ лет · Москва
Ставка: от 2 030 ₽/ч
Татьяна О. · Middle
Опыт 5+ лет · Сургут
Ставка: от 2 270 ₽/ч
Петр И. · Senior+
Опыт 10+ лет · Санкт-Петербург
Ставка: от 4 800 ₽/ч
Николай Л. · Middle
Опыт 3+ лет · Москва
Ставка: от 1 900 ₽/ч
Елена С. · Middle
Опыт 7+ лет · Москва
Ставка: от 2 800 ₽/ч
Марат И. · Senior+
Опыт 12+ лет · Санкт-Петербург
Ставка: от 4 800 ₽/ч
Олеся Д. · Middle
Опыт 4+ лет · Кострома
Ставка: от 2 130 ₽/ч
Анатолий В. · Middle
Опыт 3+ лет · Москва
Ставка: от 1 900 ₽/ч
Геннадий У. · Senior+
Опыт 8+ лет · Москва
Ставка: от 4 800 ₽/ч
Ксения Ф. · Middle
Опыт 5+ лет · Иваново
Ставка: от 2 150 ₽/ч
Анастасия Г. · Senior
Опыт 9+ лет · Москва
Ставка: от 3 370 ₽/ч
София У. · Senior+
Опыт 11+ лет · Ставрополь
Ставка: от 4 170 ₽/ч
Кирилл Н. · Middle
Опыт 6+ лет · Москва
Ставка: от 2 160 ₽/ч
Какие задачи решает ML Engineer
Фокус — превратить модель в управляемый production-компонент с понятными интерфейсами, ресурсами, версиями и мониторингом.
Inference и API
FastAPI/Flask, batch/online serving, очереди, gRPC и интеграция модели с продуктом.
MLOps и delivery
MLflow, Kubeflow, Airflow, Docker, Kubernetes и автоматизация поставки моделей.
Мониторинг моделей
Метрики качества и latency, drift, логи, алерты и контроль версий артефактов.
Оптимизация inference
ONNX, OpenVINO, TensorFlow Lite, CUDA, batching и снижение требований к ресурсам.
Стек ML Engineering
Инфраструктура зависит от типа модели, latency/SLA, объёма запросов и среды выполнения.
Frameworks
PyTorch · TensorFlow · Hugging Face
Serving
FastAPI · Flask · ONNX · TensorFlow Lite
MLOps
MLflow · Kubeflow · Airflow
Platform
Docker · Kubernetes · Terraform
Monitoring
Prometheus · Grafana · model metrics
Optimization
OpenVINO · CUDA · batching · quantization
Batch, online или edge inference?
Режим внедрения определяет требования к инфраструктуре, latency, стоимости и формату модели.
Пакетная обработка
Подходит для периодических расчётов, скоринга больших наборов и задач без жёсткого latency.
Ответ в запросе продукта
Нужны API, масштабирование, наблюдаемость и контроль времени ответа.
Модель на устройстве
Требует оптимизации размера и скорости, совместимого runtime и работы с ограниченными ресурсами.
Финальный выбор делаем по существующей архитектуре, ограничениям продукта и стоимости сопровождения.
Стоимость: ML Engineer
Минимальные ставки ниже рассчитаны только по выбранным профильным записям каталога.
| Уровень | Пример задач | ₽/час | ₽/месяц* | Сотрудники |
|---|---|---|---|---|
| Middle | Интеграция модели, API и типовые MLOps-задачи. | от 1 900 | от 304 000 | |
| Senior | Production pipelines, Kubernetes, мониторинг и оптимизация inference. | от 3 370 | от 539 200 | |
| Senior+ | Архитектура ML-платформы, надёжность и техническое лидерство. | от 4 170 | от 667 200 |
*Ориентир за 160 часов. Итоговую стоимость согласуем после обсуждения задач и объёма работ. Публикуем только уровни, для которых есть ставка в выбранных профилях.
Оценка до разговора с менеджером
Прикиньте бюджет команды
Выберите компетенции и трудоёмкость — покажем ориентир на месяц.
Ориентир на месяц
1 чел. × 160 ч × от 1 900 ₽/ч
Предварительный расчёт. Точную стоимость и состав работ согласуем перед началом проекта.Из чего складывается бюджет
Сравнивайте одинаковый объём задач и период работы. Почасовая ставка и зарплата сотрудника отражают разный состав расходов.
Один специалист или команда
Один специалист
Выделим специалиста CodeHub для выполнения согласованных задач проекта. Объём работ и трудоёмкость закрепим в заявке.
Команда под проект
Сформируем проектную команду CodeHub с нужными компетенциями. Объём работ и изменения состава согласуем в заявке.
Пример состава команды
Аналитик→Разработчики2–4→QA→Тимлид
Ваши требования. Наша организация работ.
Вы согласуете требования и приоритеты проекта, принимаете результаты. CodeHub организует выполнение, распределяет задачи и контролирует работу своей проектной команды. В модели Time & Material стоимость рассчитывается по трудоёмкости согласованных работ.
Вы определяете результат
Формулируете требования к проекту, согласуете приоритеты и квалификацию ключевых участников, принимаете результаты работ.
CodeHub организует выполнение
Формируем проектную команду, распределяем задачи и определяем способы их выполнения. Согласуем объём работ, состав, ставки и документы.
Команда выполняет задачи проекта
Выполняет согласованные задачи под организацией и контролем CodeHub. Использует согласованные трекеры и репозитории, отражает результаты и трудоёмкость.
Подойдёт, если выразвиваете собственный продуктусиливаете команду интеграторазапускаете новый сервис
Подключим ML Engineer специалиста к проекту
Ответьте на несколько вопросов — предложим сотрудников CodeHub
с нужными для проекта компетенциями.
Шаг 1 из 4
От запроса до старта ML Engineering
- 1
Задача
Обсуждаем ваши цели и требования.
- 2
Знакомство с сотрудниками
Представляем сотрудников CodeHub с опытом работы с нужным стеком.
- 3
Интервью
Обсуждаем технические задачи и проверяем опыт сотрудника.
- 4
Согласование
Фиксируем условия и документы.
- 5
Выход на проект
Команда CodeHub приступает к согласованным задачам проекта.
Требования к production-качеству ML
Зафиксируем критерии для сотрудников CodeHub и ожидаемый результат работ. Конкретный набор проверок зависит от вашего проекта.
Компетенции сотрудника
Обсудим стек, опыт и сложность задач. Запросите CV и техническое интервью с нашим сотрудником.
Ревью кода
Определим участников ревью, правила pull request и критерии готовности изменений.
Автоматические проверки
Согласуем необходимые тесты, статический анализ и проверки в CI. Требования к покрытию определим под риски продукта.
Документация
Уточним формат описания API, архитектурных решений, запуска и сопровождения сервиса.
Безопасность
Согласуем доступы, работу с секретами, тестовыми данными и зависимостями.
Передача результата
Определим демонстрации, отчётность, приёмку и передачу контекста другим участникам проекта.
Контроль и условия
Согласованные инструменты проекта
Используем согласованные трекеры и репозитории. CodeHub организует выполнение задач и контролирует свою команду.
Учёт часов и отчётность
Фиксируем выполненные задачи и их трудоёмкость. Согласуем отчётность и порядок приёмки результатов.
Личный менеджер
Единая точка контакта по подключению сотрудников, документам и текущим вопросам.
Порядок замены
Если специалист не подойдёт, обсудим причины и согласуем замену в составе нашей команды.
Конфиденциальность и доступы
Согласуем NDA и требования к безопасности до подключения к проекту.
Подключение и адаптация
Согласуем требования, квалификацию ключевых участников, условия заявки и необходимые доступы. CodeHub планирует выполнение работ; дату начала и порядок взаимодействия согласуем с заказчиком.
Отчётность и приёмка
Требования и приоритеты согласуем с представителем заказчика. CodeHub распределяет задачи и проверяет их выполнение. В трекере отражаем результаты и трудоёмкость; заказчик принимает работы в порядке, установленном договором.
Масштабирование и замена
Объём работ и состав проектной команды можно менять по согласованию сторон. Замену ключевого участника организует CodeHub с учётом квалификации, передачи контекста и требований к доступам. Сроки уведомления и расчёты определяются договором и заявкой.
Документы, код и доступы
До подключения согласуем NDA, правила работы с кодом, доступы и защищённые каналы. Порядок передачи результатов, права на них и ответственность сторон закрепляем в договоре.
Знакомство в работе
Пилотный этап проекта
Обсудим небольшой объём IT-работ для оценки взаимодействия и результатов. Задачи, трудоёмкость, стоимость и порядок приёмки пилотного этапа согласуем до начала.
Что согласуем перед подключением
CV, интервью и дата старта
Уточним задачи и загрузку наших сотрудников. Менеджер согласует срок предоставления CV, время интервью и возможную дату начала работ.
Объём и срок проекта
Определим плановый объём часов, состав команды, период сотрудничества и порядок изменения нагрузки.
Ставка и расчёты
В коммерческом предложении уточним применимость НДС, состав стоимости, график оплаты и необходимые документы.
Замена сотрудника
Согласуем порядок обращения, передачу контекста, доступы и условия изменения состава команды.
Завершение работ
Зафиксируем срок уведомления, передачу кода и документации, закрытие доступов и окончательные расчёты.
Приёмка и исправления
Определим критерии результата, порядок замечаний, исправлений и ответственность сторон в договоре.
CodeHub
За специалистами — опыт реальных проектов
Помогаем усиливать IT-команды и подключаемся к разработке, аналитике, тестированию и инфраструктурным задачам. Сотрудничество сопровождает личный менеджер: от знакомства с нашими сотрудниками до текущих вопросов проекта.
600+выводов IT-специалистов на проекты
80+проектов с участием наших специалистов
59направлений в каталоге
1 год+средняя работа специалиста на проекте
Аккредитованная IT-компания
Резидент Сколково
Участник ассоциации РУССОФТПодключаем к вашему проекту сотрудников CodeHub с нужным опытом. Состав команды и дату старта согласуем с вами.
Кейсы
Команды, технологии и результаты реальных проектов.
1–3 / 9
Кейс 01Иннотех / ВТБ
Иннотех и ВТБ: усиление IT-команд
Усиление командами и точечными ИТ-специалистами команды интегратора Иннотех на проектах ВТБ и дочерних компаний
Результат25+ специалистов выведено
Кейс 02Крупный интегратор
HR CRM для крупного интегратора
Взаимодействие с интегратором в рамках разработки внутренней HR CRM для автоматизации рекрутмента и хранения внутренней базы кандидатов
Результат40% сокращение времени найма
Кейс 03Московская биржа
Московская биржа: автоматизация тестирования
Московская биржа. Автоматизация тестирования
Результат85% критичных путей покрыто
Кейс 04Крупнейший ритейл
Крупнейший ритейл: SAP и Data
Крупнейший ритейл - проекты по SAP и Data
РезультатData Lake и SAP-процессы
Кейс 05Р-Фарм
1С-разработка для Р-Фарм
1С Разработка для Р-Фарм
Результат1С модули для фармы
Кейс 06МТС Digital / МТС WMS / МТС AI
МТС: усиление выделенными командами
Усиление команд, предоставление выделенной команды.
Результат4 направления усиления
Кейс 07Фиолетовый банк маркетплейса
Банковский маркетплейс: Java и Kotlin
Усиление отделов Java + Kotlin разработки.
РезультатJava + Kotlin усиление разработки
Кейс 08ВинЛаб и Аптечки Столицы
Восстановление IT-инфраструктуры после кибератак
Восстановление ИТ-инфраструктуры после кибератак
Результат60+ точек восстановлено
Кейс 09EdTech-платформа
EdTech-приложение для школьников на Unity
Мобильное приложение для Edtech-платформы для школьников на Unity
Результат80 000+ MAU
Видеоотзывы клиентов
Отзывы клиентов о сотрудничестве с CodeHub.
1–3 / 5
Борис Губанов
Клиент CodeHub
Татьяна Тарасенкова
Гульмира
Вячеслав Юдин
Выбор модели работы
| Критерий | IT-работы по T&M | Проект с фиксированным объёмом | Найм в штат |
|---|---|---|---|
| Организация работ | CodeHub | Подрядчик | Работодатель |
| Роль заказчика | Требования, приоритеты, приёмка | ТЗ и приёмка результата | Управление сотрудником |
| Расчёт стоимости | По трудоёмкости и условиям заявки | По согласованному объёму и этапам | Оплата труда и расходы работодателя |
| Изменение объёма | По согласованию заявки | По согласованию объёма и цены | В рамках трудовых отношений |
| Когда подходит | Задачи уточняются по ходу проекта | Объём можно определить заранее | Нужна собственная постоянная роль |
Выберите формат под свою задачу
Поможем определить состав команды
Обсудим требования, ожидаемые результаты и порядок взаимодействия. Выберем подходящий способ согласования объёма и стоимости IT-работ.
Скачать презентацию · PDFВопросы о ML Engineer
Чем ML Engineer отличается от Data Scientist?
Data Scientist концентрируется на анализе и качестве модели. ML Engineer отвечает за её production-интеграцию, инфраструктуру, delivery и эксплуатацию.
Можно внедрить уже обученную модель?
Да. Сначала уточним формат артефакта, зависимости, входы/выходы, SLA и требования к окружению.
Работают ли сотрудники с Kubernetes и MLOps?
Да. В профилях встречаются Kubernetes, Kubeflow, MLflow, Airflow, Terraform, Prometheus и GitLab CI/CD.
Можно оптимизировать inference?
В каталоге есть профили с ONNX, OpenVINO, TensorFlow Lite, CUDA и оптимизацией inference. Конкретный сценарий оценим по модели и железу.
Как мониторить модель после релиза?
Согласуем технические метрики, качество предсказаний, drift, логирование, версии и правила реакции на деградацию.
Нужен ли отдельный Data Engineer?
Если требуется строить ingestion, DWH/Data Lake или сложные feature pipelines, обычно полезна отдельная Data Engineering-компетенция.
Можно ли провести техническое интервью?
Да. До согласования старта можно обсудить задачи проекта и проверить релевантные навыки сотрудника CodeHub.
Как быстро можно начать?
Срок зависит от требований, загрузки наших сотрудников и согласования условий. Возможную дату старта сообщим вместе с CV.
Кто организует выполнение работ?
CodeHub организует работу своей проектной команды. Заказчик согласует требования, приоритеты и принимает результаты.
Подготовьте проект к подключению ML Engineer специалиста
Короткий список поможет согласовать старт с технической командой и менеджером.
Скачать бриф проекта · TXTОбсудим проект на встрече
Разберём архитектуру, задачи и состав команды. Укажите предпочтительные дату, время и часовой пояс — менеджер подтвердит возможность встречи.
Обсудим вашу
ML Engineer-задачу
Расскажите о продукте, текущем стеке и задачах. Представим CV наших сотрудников с релевантной специализацией ML Engineer и подготовим расчёт.