德科斯米尔
Industrial Engineering ES
Industrial Engineering ES
发布于 大约 8 小时前普通员工/个人贡献者
全职员工仅现场办公机器学习工程
机器学习工程
Llm
Pytorch
Rag
Tensorflow
大语言模型
机器学习
深度学习
自然语言处理
值不值得投
72综合评分
综合评分 72
AI算法开发岗，技术前沿，跨国企业平台，现场办公为主
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。
薪资怎么样
20K
比机器学习工程中位数低
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 180 个在招
市场机会
选择不多
沈阳 · 机器学习工程 · 2 个在招
职位详情
关于这个职位
该职位负责AI算法设计与开发，聚焦于机器学习、深度学习、自然语言处理和大语言模型在企业场景的应用，包括大模型微调、RAG、Agent开发及推理优化，并管理AI项目全生命周期
需要至少3年AI算法或大模型应用开发经验，本科及以上学历
最低要求
至少计算机科学、数学、工业工程、人工智能应用等相关专业的本科学历
扎实的数学基础，熟悉线性代数、概率统计和优化理论
精通Python编程语言，熟悉Pandas和Scikit-learn等数据处理工具
熟练掌握TensorFlow、PyTorch或MindSpore等至少一种深度学习框架
具备至少3年AI算法研发或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
计划和实现现有和新产品的生产工艺
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、Llama Index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
- 跨国企业平台，提供稳定的资源和国际合作机会
- 涉及前沿AI技术如LLM、RAG，有助于技能提升和行业视野拓展
- 项目覆盖AI全生命周期，积累从算法设计到部署的实战经验
- AI技术更新迅速，需持续学习以保持竞争力
- 可能涉及汽车行业的特定要求，需适应工业应用场景
- 适合有AI算法开发背景、追求技术成长、不介意现场办公并希望在工业领域应用AI技术的求职者
缺点 / 挑战
- 英语作为工作语言，对非母语者可能有一定沟通压力
角色解读
- 向高级AI工程师或技术专家方向发展，深耕算法优化和大模型应用
- 转向技术管理岗位，如AI团队负责人或项目经理，负责更复杂项目
- 向跨领域发展，结合汽车行业知识，成为智能制造或自动驾驶领域的AI专家
- 设计和开发AI算法，特别是机器学习、深度学习和大语言模型在汽车行业的应用
- 负责数据挖掘、模型训练、优化和部署，确保模型在生产环境中的稳定高效
- 探索大模型技术如LLM、RAG在企业场景的落地，构建定制化AI解决方案
- 参与项目管理和团队协作，推动AI技术在内部标准和流程中的应用
- 精通Python编程及数据处理工具如Pandas、Scikit-learn
- 熟练使用至少一种深度学习框架如TensorFlow或PyTorch
- 扎实的数学基础，包括线性代数、概率统计和优化理论
- 年以上AI算法开发或大模型应用经验，具备项目落地能力
申请策略
- 研究德科斯米尔的业务和产品，展示对汽车行业的兴趣和了解
- 准备AI项目案例，尤其是算法设计、优化和部署的细节，以应对技术面试
- 突出3年以上AI算法或大模型项目经验，具体描述项目成果和贡献
- 强调Python编程、深度学习框架使用及数学建模能力
- 列出相关技能如LangChain、RAG、数据挖掘工具，并提供实际应用案例
- 深入学习大语言模型（LLM）相关技术，如Prompt Engineering、模型微调和推理优化
- 补充汽车制造或工业工程知识，以更好理解应用场景
面试指南
- 使用STAR法则（情境、任务、行动、结果）结构化回答项目经验问题
- 结合具体技术工具（如vLLM、PyTorch）和算法原理，详细解释优化方法
- 强调与业务场景的结合，说明技术方案如何解决实际问题
- 请描述一个你主导的AI项目，从算法设计到部署的完整过程
- 如何优化大语言模型（LLM）的推理性能，有哪些常用框架和方法？
- 在机器学习中，如何处理数据不平衡问题，并提升模型泛化能力？
- 你熟悉哪些RAG（检索增强生成）技术？请举例说明其应用场景
- 如何确保AI模型在生产环境中的稳定性和高性能？
职位点评
薪资福利70
成长发展85
工作生活60
使命价值65
薪资福利
70中等
薪资可能具有市场竞争力，但JD未明确披露，具体水平需在面试中确认。
薪资信号未披露（AI估算：15K-25K/月）
成长发展
85较高
职位涉及大语言模型、RAG等前沿AI技术，提供技术成长和项目实践机会，有助于技能积累。
技术前沿前沿/新兴技术
技术栈Python、PyTorch、TensorFlow、LLM、LangChain、RAG
成长机会培训
业务类型ambiguous
工作生活
60中等
工作模式未在JD中明确，可能需现场办公，对办公灵活性有一定限制。
工作模式未明确
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
65中等
汽车行业的AI应用具有创新性，但行业本身属于稳定成熟领域，社会影响力一般。
行业发展稳定成熟行业
社会影响中性/一般
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