德科斯米尔
Industrial Engineering ES
Industrial Engineering ES
发布于 大约 3 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
研究与开发 (研发)
机器学习
深度学习
NLP
PyTorch
RAG
TensorFlow
LLM
Scikit-learn
LlamaIndex
AI 估算 · 20k–35k
AI算法岗位，沈阳外企，3年经验，薪资竞争力较强，但沈阳生活成本较低，综合估算月薪20k-35k。
职位详情
关于这个职位
该职位是德科斯米尔（沈阳）的工业工程ES岗位，实际工作内容聚焦AI算法与大模型应用开发
你将负责机器学习、深度学习、自然语言处理等算法的设计与实现，探索大模型在对话系统、知识图谱等场景的落地，并参与模型全生命周期管理
适合有3年以上AI经验、追求技术深度与业务结合的工程师
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
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AI技术，包括大模型、RAG、Agent等，技术成长迅速
- 外企平台稳定，福利完善，提供国际化工作环境
- 沈阳生活成本较低，薪资在当地有竞争力
- 需要同时掌握传统机器学习与大模型技术，学习曲线陡峭
- 工作涉及全生命周期管理，对综合能力要求高
- 沈阳AI生态相对一线城市较弱，可能缺乏同行交流
- 适合有3年以上AI经验、热爱技术探索、希望在外企稳定环境下深耕大模型应用的工程师
缺点 / 挑战
暂无明显挑战项
角色解读
- 可在AI算法领域深入发展，成为技术专家或架构师
- 可转向项目管理或团队管理，担任技术负责人或项目经理
- 参与跨部门协作与培训，有机会向国际团队发展
- 设计和开发机器学习、深度学习及NLP算法，针对业务场景构建定制化AI解决方案
- 探索大模型（LLM）在对话系统、知识图谱、内容生成等场景的应用，推动技术落地
- 管理AI模型从训练到部署的全生命周期，优化推理性能并参与内部标准制定
- 精通Python及至少一种深度学习框架（如PyTorch、TensorFlow）
- 扎实的数学基础，包括线性代数、概率统计和最优化理论
- 熟悉大模型相关技术栈，如LangChain、LlamaIndex、RAG、Agent等
申请策略
- 了解德科斯米尔业务（汽车线束、内饰），思考AI如何与其结合
- 面试时准备算法推导和手撕代码，以及大模型相关原理
- 突出AI项目经验，尤其是独立主导或完整参与的2个以上项目，详细描述算法设计、效果提升
- 强调大模型相关实践，如LLM微调、RAG、Agent开发等
- 体现英语能力，可附上英文简历或项目文档样例
- 补充LangChain、LlamaIndex等工具的实际使用经验
- 学习模型量化、蒸馏等轻量化技术，以及vLLM等推理框架
面试指南
- 使用STAR法则描述项目：情境、任务、行动、结果，突出个人贡献和量化成果
- 技术问题回答时先给出定义，再结合实际案例说明，最后总结优缺点
- 请介绍你主导的一个AI项目，包括算法选择、模型优化和部署挑战
- 如何评估大模型在垂直领域的表现？你会如何微调一个LLM？
- 解释RAG的工作原理及在工业场景中的应用可能
- 如何优化LLM推理延迟和吞吐量？
- 复习深度学习基础（Transformer、BERT、GPT系列）
- 准备1-2个端到端的大模型应用Demo（如基于LangChain的问答系统）
职位点评
64
综合评分
沈阳外企AI岗，技术前沿成长快，但WLB不明朗。
更适合这类人
最适合追求技术成长、热衷AI前沿应用的工程师，对工作生活平衡要求不高。
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85
工作生活40
使命价值60
薪资福利
70中等
薪资水平在沈阳有竞争力，外企福利较好，但未明确提及具体福利，综合中等偏上。
薪资信号未披露（AI估算：20K-35K/月）
成长发展
85较高
职位涉及前沿AI技术（大模型、RAG等），提供培训机会和国际协作，技术成长空间大。
技术前沿前沿/新兴技术
技术栈机器学习、深度学习、NLP、LLM、LangChain、RAG、Agent
成长机会培训、国际培训
业务类型ambiguous
工作生活
40较低
沈阳工作，仅现场办公，未提及弹性工作或加班情况，WLB信号不明确。
工作模式未明确
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
汽车行业稳定，AI赋能传统制造业有一定社会意义，但职位描述未强调使命。
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