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
高级经验
全职员工
仅现场办公
本科
工业工程
Ai算法
Llamaindex
Llm
Mindspore
Nlp
Ollama
Pytorch
Rag
Scikit-Learn
AI 估算 · 18k–35k
职位详情
关于这个职位
德科斯米尔（DRAEXLMAIER）沈阳工厂正在招聘工业工程专家，负责汽车线束与内饰产品的生产工艺规划与实现
该岗位将深度参与AI算法与大模型（LLM）的研发与落地，包括机器学习、深度学习、NLP等领域的算法设计，以及基于LangChain、LlamaIndex等工具构建企业级AI应用系统
你将负责数据挖掘、特征工程、模型训练与优化，并推动大模型在对话系统、知识图谱、内容生成与智能推荐等场景的落地
同时，你还需要优化LLM推理流程（如vLLM、Ollama、TGI等框架），掌握量化与蒸馏等模型轻量化技术，并参与大模型的继续预训练、微调、RAG与Agent适配工作，管理AI模型从训练到部署的全生命周期
最低要求
本科及以上学历，计算机科学、数学、工业工程、AI应用等相关专业
扎实的数学基础，熟悉线性代数、概率统计与最优化理论
精通Python编程，熟悉Pandas、Scikit-learn等数据处理工具
熟练掌握TensorFlow、PyTorch、MindSpore等至少一种深度学习框架
至少3年AI算法研发或大模型应用开发经验
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
负责现有及新产品生产工艺的规划与实现
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
独立完成数据挖掘、特征工程、模型训练与调优，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
设计并实现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聚类与分布分析，支撑结构化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
识别公司内部本专业领域的持续教育需求，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/识别本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并确定改进措施
AI 洞察
优缺点分析
优点
- 外企平台，技术栈前沿（LLM、RAG、Agent等），有利于积累AI与算法实战经验
- 岗位横跨工业工程与AI两大领域，技能复合度高，职业护城河较宽
- 公司为跨国巨头，内部培训与全球协作机会较多
- 作为外企工厂岗位，可能需配合生产节奏，存在一定现场办公要求
- AI与LLM领域技术迭代快，需持续学习保持竞争力
- 适合具备扎实数学与编程基础、对AI与工业工程交叉领域有强烈兴趣、且能适应外企工厂环境的求职者
缺点 / 挑战
- 岗位要求较高，需同时具备工业工程、数学、算法与工程化能力，学习曲线陡峭
角色解读
- 可向AI算法专家、大模型架构师方向发展，负责企业级AI平台建设
- 可向工业工程管理方向晋升，负责更大范围的生产体系优化
- 在德科斯米尔体系内，可跨部门参与全球AI与智能制造项目
- 负责汽车线束与内饰产品的生产工艺规划与优化，确保新产品与现有产品的顺利量产
- 主导AI算法（机器学习、深度学习、NLP）的设计与开发，构建面向业务场景的定制化AI解决方案
- 独立完成数据挖掘、特征工程、模型训练与调优，提升模型在准确率、泛化能力与实时性上的表现
- 探索大规模语言模型（LLM）在对话、知识图谱、内容生成、智能推荐等场景的应用，推动大模型技术在企业级场景的落地
- 扎实的数学基础：线性代数、概率统计与最优化理论
- 精通Python编程，熟悉Pandas、Scikit-learn等数据处理工具
- 熟练掌握TensorFlow、PyTorch、MindSpore等至少一种深度学习框架
- 具备AI算法研发或大模型应用开发经验，能独立主导AI项目全流程
申请策略
- 关注德科斯米尔（DRAEXLMAIER）在汽车线束与内饰领域的业务，面试时展现对汽车行业+AI的理解
- 提前了解沈阳工厂的业务范围与项目，准备相关项目案例
- 突出AI算法项目经历，尤其是LLM、NLP、RAG相关项目，量化项目效果
- 突出Python、TensorFlow/PyTorch等框架的熟练度，可附GitHub或代码仓库链接
- 强调工业工程背景，如生产工艺优化、精益生产等，体现复合背景
- 若对LLM生态不熟，可快速上手LangChain、LlamaIndex、vLLM等主流工具
- 补充学习RAG、模型量化、蒸馏等大模型工程化技术
面试指南
- 采用STAR法则（情境-任务-行动-结果）结构化描述项目，突出量化指标
- 针对LLM推理优化问题，可从框架选型、量化、批处理等角度回答
- 结合具体业务场景，说明RAG/微调如何提升模型效果
- 请介绍一个你主导的AI算法项目，从需求分析到落地的完整流程？
- 你如何优化LLM的推理性能（如使用vLLM、量化、蒸馏）？
- 你如何构建RAG系统以提升模型在垂直领域的表现？
- 请谈谈你在工业工程与AI结合项目中的经验与思考？
- 你如何管理模型从训练到部署的全生命周期？
职位点评
68
综合评分
外企工厂AI算法岗，技术前沿、成长性好，但薪资未明、WLB一般。
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
适合追求前沿AI技术、重视技能成长、能适应外企工厂环境的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利68
成长发展85
工作生活45
使命价值70
薪资福利
68中等
该岗位为外企正式岗位，薪资在沈阳地区属于中上水平，但JD未明确薪资与福利细节。
薪资信号未披露（AI估算：18K-35K/月）
成长发展
85较高
岗位涉及LLM、RAG、Agent等前沿AI技术，并提供内部与外部培训机会，发展性动机满足度高。
技术前沿前沿/新兴技术
技术栈LLM、NLP、RAG、LangChain、LlamaIndex、vLLM、Ollama、TGI、量化、蒸馏、TensorFlow、PyTorch、MindSpore
成长机会内部培训、外部培训
业务类型ambiguous
工作生活
45较低
岗位为外企工厂，需现场办公，JD未提及弹性工时或远程办公，WLB一般。
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
70中等
汽车行业全球巨头，岗位涉及AI与智能制造，行业前景较好。
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
Watch Jobs