德科斯米尔
Industrial Engineering ES
Industrial Engineering ES
发布于 2 小时前普通员工/个人贡献者
全职员工仅现场办公AI算法
AI算法
Llm
Nlp
Prompt Engineering
Pytorch
Rag
值不值得投
75综合评分
综合评分 75
前沿AI技术栈、外企规范平台、沈阳地域优势、侧重技术落地与应用
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便横向比较。
薪资怎么样
2.0万
比AI算法中位数低
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 280 个在招 · 其中AI算法 10 个
市场机会
选择不多
沈阳 · AI算法 · 10 个在招
职位详情
关于这个职位
该职位主要负责机器学习、深度学习及大语言模型（LLM）的算法设计与开发
需独立完成数据挖掘、模型训练调优及推理优化，构建面向业务场景的定制化AI解决方案，并推动大模型技术在企业级场景的落地应用
最低要求
本科及以上学历，计算机科学、数学、工业工程、人工智能应用等相关专业
扎实的数学基础，熟悉线性代数、概率统计和最优化理论
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
- 接触前沿的大模型技术栈（LLM, RAG, Agent），技术含量高且处于行业热点
- 跨国外企背景，工作流程规范，注重技术沉淀与文档化
- 提供内部培训及国际交流机会，有利于拓宽视野
- 非纯互联网大厂，技术迭代速度可能略慢于头部科技公司
- 需要兼顾算法研发与业务流程优化，可能对业务理解能力有要求
- 沈阳地区的AI人才竞争激烈程度虽低于一线，但高端岗位选择相对较少
- 适合对大模型应用落地感兴趣，追求工作生活平衡，希望在稳健的外企环境中深耕AI技术的中级算法工程师
缺点 / 挑战
暂无明显挑战项
角色解读
- 可向AI技术专家、首席算法工程师方向发展，或转型为AI项目负责人/技术经理
- 随着大模型在企业应用的深化，该岗位在垂直领域（如智能制造、企业服务）的技术积累具有较高价值
- 专注于AI算法的研发与大模型技术的落地应用，包括LLM的微调、RAG架构搭建及推理优化
- 将AI技术应用于解决具体的业务场景问题，如智能推荐、对话系统等
- 同时承担部分技术分享、流程优化及子项目管理职责
- 精通Python及主流深度学习框架（PyTorch/TensorFlow）
- 深入理解LLM原理，熟练掌握LangChain、RAG、Prompt Engineering等技术栈
- 具备扎实的数据处理能力和模型优化（量化、蒸馏）经验
- 良好的英语沟通能力
申请策略
- 准备1-2个完整的AI项目案例，重点阐述从数据预处理、模型选型、训练调优到部署落地的全过程
- 了解德科斯米尔在汽车制造领域的数字化需求，展现技术与业务的结合点
- 突出LLM相关的实战项目经验，特别是RAG架构搭建、Prompt优化及模型推理加速的具体成果
- 展示Python编程能力及数据处理流程的完整性
- 强调跨部门协作及技术分享的经验
- 加强LangChain、LlamaIndex等大模型应用开发框架的深度使用经验
- 补充模型量化、蒸馏等轻量化技术的实操案例
- 提升英语技术文档阅读及撰写能力
面试指南
- 采用STAR法则（情境、任务、行动、结果）描述项目经历
- 重点突出技术选型的理由、遇到的挑战及解决方案、最终的业务收益或技术指标提升
- 对于技术问题，先讲原理再结合实践案例
- 请详细介绍一个你主导的LLM应用项目，你是如何解决幻觉问题的？
- 在实际业务场景中，如何评估和优化LLM的推理延迟与吞吐量？
- 请解释RAG的工作原理，以及在项目中如何处理知识库更新与向量检索的一致性？
- 面对新的AI技术趋势，你如何保持技术敏感度并将其应用到工作中？
- 复习LLM核心概念（Attention机制、Transformer架构）、RAG技术栈细节及常见优化手段
职位点评
薪资福利70
成长发展85
工作生活75
使命价值65
薪资福利
70中等
作为跨国巨头企业，通常提供规范的薪酬体系和较好的福利保障，但在沈阳地区，其现金薪资竞争力可能不如一线城市互联网大厂，整体属于市场中等偏上水平。
薪资信号未披露（AI估算：1.5千–2.5万/月）
成长发展
85较高
职位高度聚焦于LLM、RAG、Agent等前沿AI技术，技术栈现代且具挑战性，能提供丰富的技能成长空间和技术视野拓展机会。
技术前沿前沿/新兴技术
技术栈LLM、NLP、LangChain、RAG、Prompt Engineering、PyTorch、vLLM
成长机会规划并实施复杂主题的内部及外部培训、识别公司内部本领域持续教育需求
业务类型profit_center
工作生活
75中等
跨国外企通常注重工作生活平衡，沈阳生活成本相对较低，通勤压力小。但JD未明确提及弹性工作制，需现场确认。
工作模式未明确
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
65中等
致力于通过技术创新提升驾驶体验和汽车制造效率，具有一定的社会价值和行业影响力，但相比纯公益或民生领域，意义感稍弱。
行业发展稳定成熟行业
社会影响中性/一般
使命信号enhance your driving experience、automotive innovations
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
Agent Personalization and Memory Evolution
联想 · 北京市
AI 估算 · 8.0–15.0万1 小时前发布
日常实习生-大模型后训练(Reasoning & STEM)-Qwen基础模型
阿里巴巴 · 杭州市
AI 估算 · 4.0–6.0千2 小时前发布
千问事业部-安全大模型运营高级专家-北京
阿里巴巴 · 北京市
AI 估算 · 6.0–10.0万2 小时前发布
ATH事业群-AI 应用开发专家-伶鹊-杭州/北京
阿里巴巴 · 杭州市
AI 估算 · 4.0–7.0万2 小时前发布
日常实习生-Agent数据方向-Qwen基础模型
阿里巴巴 · 杭州市
AI 估算 · 0.3–0.4千2 小时前发布
ATH事业群-大模型Agent应用专家-伶鹊-杭州/北京
阿里巴巴 · 杭州市
AI 估算 · 4.0–7.0万2 小时前发布
阿里云智能-AI原生全栈工程师-Agent开发-北京/杭州/成都/西安
阿里巴巴 · 杭州市
AI 估算 · 3.0–6.0万2 小时前发布
智多星-可控视频生成（白模方向）
阿里巴巴 · 杭州市
AI 估算 · 4.0–8.0千2 小时前发布
Watch Jobs