德科斯米尔
Industrial Engineering ES
Industrial Engineering ES
发布于 大约 14 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
NLP工程
Llamaindex
Llm
Nlp
Pytorch
Rag
Tensorflow
Vllm
机器学习
深度学习
AI 估算 · 15k–25k
沈阳AI岗位竞争较小，外企福利好，3年经验算法岗薪资约15-25k/月。
职位详情
关于这个职位
该职位负责AI算法设计与开发，聚焦机器学习、深度学习和自然语言处理，探索大语言模型在对话系统、知识图谱等场景的落地
需要独立完成数据挖掘、模型训练与调优，并参与大模型微调和RAG应用
适合具备3年以上AI经验、精通Python的工程师，在汽车行业外企平台发展技术
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，Llamalndex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管理周期管理，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
- 聚焦LLM、RAG、Agent等前沿技术，技术成长空间大
- 外企规范管理，福利待遇较好，有国际协作机会
- 职位名称与实际工作内容不符，需确认职责范围
- 对算法和大模型能力要求高，需要持续学习
- 适合具备3年以上AI经验，熟悉Python和深度学习，对NLP与大模型应用有浓厚兴趣的工程师
缺点 / 挑战
- 沈阳生活成本低，岗位竞争压力较一线城市小
- 汽车行业场景下，AI落地可能面临业务理解和数据适配的挑战
角色解读
- 从AI算法工程师向大模型专家或AI架构师发展
- 通过企业级项目积累行业经验，提升业务理解能力
- 外企平台提供国际化协作机会，可向技术管理方向发展
- 负责AI算法设计与开发，涵盖机器学习、深度学习和NLP，构建定制化AI解决方案
- 独立完成数据挖掘、特征工程和模型调优，提升模型性能
- 探索LLM在对话系统、知识图谱等场景的应用，推动大模型企业级落地
- 参与大模型微调、RAG和Agent适配，并负责模型从训练到部署的全生命周期
- 扎实的数学基础，精通Python，熟悉Pandas、Scikit-learn
- 熟练掌握TensorFlow、PyTorch等至少一种深度学习框架
- 深入理解NLP和LLM技术，熟悉LangChain、LlamaIndex等大模型工具链
- 了解vLLM、Ollama等推理框架，掌握模型量化与蒸馏技术
申请策略
- 确认职位实际职责与标题是否一致，避免理解偏差
- 准备英文简历，因为JD要求英语可作为工作语言
- 突出完整主导或参与的AI项目，尤其是算法设计、开发与落地过程
- 强调Python编程能力和深度学习框架使用经验
- 如有NLP或LLM项目，重点描述技术方案和业务效果
- 展示数学基础和数据处理能力
- 补充LangChain、LlamaIndex等大模型工具链的实际操作经验
- 学习vLLM、Ollama等推理框架及模型量化技术
面试指南
- 用STAR法则描述项目，突出挑战、行动和量化成果
- 对比微调和RAG的优缺点，结合业务场景说明选型逻辑
- 从推理框架选择、模型量化、批处理等角度回答性能优化问题
- 请介绍一个你独立主导的AI项目，从数据到部署的完整流程
- 如何设计一个RAG系统来提升问答准确性？
- 大模型微调和RAG各自适用什么场景？如何选择？
- 如何优化LLM推理性能，降低延迟和提高吞吐量？
- 你更熟悉TensorFlow还是PyTorch？为什么？
职位点评
70
综合评分
前沿AI算法岗位，技术成长空间大，但上班考勤固定，薪资面议。
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
最适合追求技术前沿和职业成长的求职者，对工作弹性要求不高。
表现最好
成长发展
相对薄弱
工作生活
薪资福利70
成长发展90
工作生活50
使命价值60
薪资福利
70中等
薪资未在JD中明确，但外企福利通常较好，整体补偿性中等偏上。
薪资信号未披露（AI估算：15K-25K/月）
成长发展
90较高
职位聚焦前沿大模型技术，技能成长空间大，发展性动机是核心优势。
技术前沿前沿/新兴技术
技术栈Python、TensorFlow、PyTorch、LLM、NLP、LangChain、LlamaIndex、vLLM、RAG、Agent
业务类型ambiguous
工作生活
50较低
工作地点为沈阳，要求现场办公，未提弹性安排，生活化满足度一般。
工作模式仅现场办公
办公地点未明确
加班情况未提及（无法判断）
使命价值
60中等
汽车行业稳步发展，AI应用创新有一定社会价值，但使命感知不强。
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