德科斯米尔
Industrial Engineering ES
Industrial Engineering ES
发布于 大约 2 小时前普通员工/个人贡献者
沈阳市
中级经验
全职员工
仅现场办公
本科
机器学习工程
Llm
Nlp
Pytorch
Rag
Scikit-Learn
Tensorflow
Vllm
AI 估算 · 18k–30k
沈阳AI岗位薪资低于一线，外资车企业务稳定，3年经验属中高水平。
职位详情
关于这个职位
该职位名为Industrial Engineering ES，实际JD内容为AI算法工程师方向，工作地在沈阳
主要涉及机器学习/深度学习/NLP算法开发、大模型应用（RAG、Agent）、推理优化与部署
要求本科以上、3年AI经验，熟练掌握Python和深度学习框架
最低要求
· 本科及以上学历，计算机科学、数学、工业工程、人工智能应用、数学等相关专业
· 扎实的数学基础，熟悉线性代数，概率统计，最优化理论
· 精通Python编程语言，熟悉Pandas，Scikit-learn等数据处理工具
· 熟练掌握TensorFlow，PyTorch，MindSpore等至少一种深度学习框架
· 具备至少3年AI算法研发或者大模型应用开发相关经验
· 独立主导或完整参与过至少2个AI项目的算法设计，开发，与落地
· 英语可作为工作语言
工作职责
· 负责机器学习，深度学习，自然语言处理(NLP)等领域的算法设计与开发，构建面向业务场景的定制化AI解决方案
· 负责独立完成数据挖掘，特征工程，模型训练与调优工作，提升模型在准确率，泛化能力，实时性等方面的表现
· 探索大规模语言模型（LLM）在对话系统，知识图谱，内容生成，智能推荐等应用场景，推动大模型技术在企业级场景的落地
· 设计实现Prompt Engineering方案，结合LangChain，LlamaIndex等工具构建基于LLM的企业级AI应用系统
· 熟悉数据处理技术（数据清洗、特征提取）及工具（如Pandas、Scikit-learn），利用机器学习算法完成数据的聚类分布等，支撑结构LLM微调数据集工作
· 优化LLM推理流程，利用vLLM, Ollama, TGI等推理框架提升服务性能，降低延迟，提高吞吐量
掌握量化，蒸馏等模型轻量化技术
· 参与大模型继续预训练、微调、RAG（检索增强生成）、Agent（智能体）领域适配等工作，提升模型在垂直领域的表现
· 完成AI模型从训练、调参、测试到部署的全生命周期管理，确保模型在生产环境中的稳定性与高性能
· 在其专业领域内担任内部及外部联络人，参与内部工作组协作
· 编制内部相关文件并按需进行内部汇报
· 识别公司内部本领域持续教育需求
规划并实施复杂主题的内部及外部培训（含国内与国际培训）
· 协助制定并优化本专业领域的内部标准与流程
· 观察/识别专业领域趋势以制定方案
提出行动建议（如规划方法等）
· 在其专业领域内主要开展概念性工作
· 管理、控制和协调子项目，依据检查清单和绩效指标监控项目执行与目标达成情况
· 进行复杂分析以优化流程并制定改进措施
AI 洞察
优缺点分析
优点
- 德科斯米尔是跨国汽车供应商，平台稳定，业务场景多样
- 岗位覆盖传统ML到LLM全链路，技术成长空间大
- 沈阳生活成本低，外资企业福利相对规范
- 有机会参与内部培训和国际协作，拓宽视野
- 岗位职责描述与职位名称存在偏差，需注意实际工作内容确认
- 制造业场景中AI落地周期可能较长，需要跨部门推动
- 沈阳AI生态相对一线城市较弱，技术交流机会较少
- 适合有3年左右AI/算法经验、希望在外资制造业稳定发展并深耕大模型落地的工程师
缺点 / 挑战
暂无明显挑战项
角色解读
- 纵向成长为AI算法专家或技术负责人，主导更大规模AI项目
- 横向拓展至大模型架构师或AI产品/解决方案专家
- 在外资制造企业可发展为智能制造与AI融合的关键人才
- 负责机器学习/深度学习/NLP算法设计与开发，构建定制化AI解决方案
- 主导数据挖掘、特征工程、模型训练调优，并推进LLM在对话、知识图谱、生成等场景落地
- 使用LangChain/LlamaIndex等工具构建企业级LLM应用，优化推理性能并做模型轻量化
- 参与大模型微调、RAG、Agent适配，管理模型从训练到部署的全生命周期
- 扎实的数学基础，包括线性代数、概率统计和最优化理论
- 精通Python编程，熟悉Pandas/Scikit-learn等数据处理工具
- 熟练掌握PyTorch/TensorFlow等至少一种深度学习框架
- 具备大模型应用经验，熟悉LangChain、vLLM、RAG、Agent等生态技术
申请策略
- 确认岗位真实职责，因为JD中“工业工程”目标与AI职责不一致，可在面试中主动沟通
- 了解德科斯米尔在汽车线束和内饰的业务，思考AI如何在制造中应用
- 突出LLM项目经验：RAG、Agent、微调等具体落地案例
- 展示Python和深度学习框架的实际应用，附带量化指标
- 强调数据处理与特征工程能力，体现从数据到模型的全流程
- 如有跨部门协作或内部培训经历，体现沟通能力
- 系统学习LangChain、LlamaIndex等大模型应用框架
- 掌握vLLM、量化、蒸馏等推理优化技术
面试指南
- 使用STAR结构：情境-任务-行动-结果，量化成果
- 先讲技术选型理由，再讲落地过程中遇到的问题和解决方案
- 多联系业务场景，说明AI如何为制造/汽车创造价值
- 请介绍一个你主导的LLM项目，包括RAG或微调方案和实际效果
- 如何优化大模型推理的延迟和吞吐？具体用哪些工具？
- 你对LangChain等框架的理解？它们适合什么场景？
- 为什么想在制造行业做AI？如何推动AI落地？
- 如何保证模型在真实生产环境中的稳定性？
职位点评
68
综合评分
技术前沿、平台稳定的外资AI岗，但沈阳现场办公且WLB信号弱。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
更适合这类人
该职位最适合以技术成长为核心动机、重视平台稳定性的求职者，愿意接受沈阳现场办公。
表现最好
成长发展
相对薄弱
工作生活
薪资福利65
成长发展85
工作生活55
使命价值60
薪资福利
65中等
薪资未公开，外资制造业平台稳定，但薪酬竞争力需面谈确认。
薪资信号未披露（AI估算：18K-30K/月）
成长发展
85较高
岗位涵盖机器学习、深度学习到大模型全链路，技术前沿且成长空间大。
技术前沿前沿/新兴技术
技术栈Python、PyTorch、TensorFlow、Pandas、Scikit-learn、LLM、RAG、LangChain、vLLM、NLP
成长机会持续教育需求、内部及外部培训
业务类型ambiguous
工作生活
55较低
仅现场办公，厂区位置可能较偏远，JD中未提及弹性或远程工作安排。
工作模式仅现场办公
办公地点工厂/生产基地
加班情况未提及（无法判断）
使命价值
60中等
汽车行业成熟稳定，AI驱动智能制造有一定意义感，但社会影响力中性。
行业发展稳定成熟行业
社会影响中性/一般
使命信号提升驾驶体验
创新程度积极采用新技术
德科斯米尔 的其他在招职位
相似职位推荐
Watch Jobs