- Страна
- Казахстан
Откликайтесь
на вакансии с ИИ

Senior AI Engineer with Databricks, LangGraph
EPAM — это сильный бренд с отличными процессами и возможностями для карьерного роста. Стек технологий (LangGraph, Databricks) является максимально актуальным и востребованным на рынке AI, что делает позицию очень привлекательной для профессионального развития.
Сложность вакансии
Высокая сложность обусловлена требованием глубокой экспертизы (Senior) в узких инструментах, таких как LangGraph и MLflow, а также необходимостью владения Databricks. Найти специалиста с 2+ годами опыта именно в LangGraph может быть непросто, так как технология относительно новая.
Анализ зарплаты
Зарплата в объявлении не указана, но для позиции Senior AI Engineer в Казахстане рыночные вилки обычно выше средних по IT-сектору из-за дефицита кадров в сфере Generative AI. EPAM обычно предлагает конкурентоспособные условия, соответствующие международным стандартам.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом

Откликнитесь в EPAM уже сейчас
Откликайтесь на позицию Senior AI Engineer в EPAM, чтобы внедрять передовые решения на базе LangGraph и Databricks в международные проекты!
Описание вакансии
Senior AI Engineer with Databricks, LangGraph EPAM
Местоположение: Казахстан (Астана, Алматы, Караганда)
Формат работы: Удаленно
Опубликована: 28.08.2026
Требования:
• 3+ года опыта в AI Engineering и разработке ПО
• Python, включая продвинутую backend-разработку
• LangGraph и MLflow — минимум по 2 года практики с каждым
О компании:
EPAM — международный лидер в AI-трансформации и IT-консалтинге.
Откликнуться опубликована в LinkedIn у Откликнуться
Создайте идеальное резюме с помощью ИИ-агента

Навыки
- Artificial Intelligence
- Python
- Backend Development
- Databricks
- MLflow
- LangGraph
Возможные вопросы на собеседовании
Проверка глубокого понимания основного инструмента, указанного в требованиях.
Расскажите о наиболее сложном графе, который вы проектировали в LangGraph: как вы управляли состоянием (State) и циклами?
Вакансия предполагает работу с Databricks, важно понять опыт интеграции.
Каков ваш опыт работы с Databricks для развертывания LLM-приложений и как вы использовали MLflow для трекинга экспериментов в этой среде?
Для Senior-позиции критически важны навыки проектирования.
Как вы подходите к обеспечению отказоустойчивости и масштабируемости AI-агентов в высоконагруженных backend-системах?
Проверка навыков оценки качества работы AI.
Какие метрики и подходы вы используете для оценки качества ответов LLM в сложных многошаговых цепочках?
MLflow указан как ключевое требование.