德科斯米尔
Industrial Engineering ES
Industrial Engineering ES
发布于 大约 15 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
Llm
Nlp
Pytorch
Scikit-Learn
Tensorflow
工业工程
机器学习
深度学习
AI 估算 · 20k–35k
职位详情
关于这个职位
该职位是德科斯米尔（沈阳）汽车零部件有限公司的工业工程专家，主要负责生产工艺的规划与实现，同时融合AI技术，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，构建企业级AI应用系统
你将参与从数据挖掘、模型训练到部署的全流程，并推动AI技术在汽车制造场景的落地
适合具备扎实数学和编程基础、有AI项目经验、希望将AI应用于工业领域的工程师
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
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
计划和实现现有产品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，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
- 外企平台，工作环境稳定，福利完善
- AI技术前沿，涉及大模型、RAG等热门方向，技能积累快
- 结合工业场景，应用价值高，职业发展空间大
- 英语工作环境，提升语言能力
- 工作内容涉及工业工程和AI双重领域，需要跨学科知识
- 可能面临生产现场与算法开发的平衡，工作强度较大
- 沈阳的AI生态相对一线城市较弱，技术交流机会有限
- 适合具备AI算法背景，同时对制造业感兴趣，希望在外企稳定发展的工程师
缺点 / 挑战
暂无明显挑战项
角色解读
- 可向AI算法专家或技术负责人方向发展，深入大模型领域
- 结合工业工程背景，可转型为智能制造或工业AI专家
- 有机会参与国际项目，提升跨文化协作和领导能力
- 负责生产工艺的规划与实现，同时将AI技术应用于生产流程优化
- 开发机器学习、深度学习和NLP算法，构建定制化AI解决方案
- 探索大语言模型在对话系统、知识图谱等场景的应用，推动落地
- 管理AI模型从训练到部署的全生命周期，确保生产环境稳定
- 精通Python，熟悉Pandas、Scikit-learn等数据处理工具
- 掌握至少一种深度学习框架（TensorFlow、PyTorch、MindSpore）
- 具备扎实的数学基础（线性代数、概率统计、最优化）
- 熟悉LLM相关技术，如LangChain、RAG、模型微调等
申请策略
- 关注德科斯米尔的企业文化和业务方向，了解汽车零部件行业
- 面试中强调AI落地能力和解决实际问题的经验
- 突出AI项目经验，特别是大模型应用、微调、RAG等
- 强调Python编程能力和数学基础
- 展示工业工程或制造业相关项目，体现跨领域能力
- 如有英语工作环境经历，务必提及
- 补充学习LangChain、vLLM等大模型工具
- 了解工业工程基础知识，如精益生产、工艺规划
面试指南
- 使用STAR法则：情境、任务、行动、结果，突出个人贡献和量化成果
- 结合具体项目，展示技术深度和业务理解
- 强调学习能力和跨领域协作能力
- 请介绍一个你主导的AI项目，如何设计算法并落地？
- 你如何优化LLM推理性能？使用过哪些框架？
- 如何将AI技术应用于工业工程场景？
- 谈谈你对RAG和Agent的理解及实际应用
- 你如何处理数据不平衡或特征工程问题？
职位点评
76
综合评分
外企平台，AI技术前沿，发展空间大，但工作地点在沈阳，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
适合追求技术成长、对AI前沿感兴趣，且能接受现场办公的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利75
成长发展90
工作生活60
使命价值70
薪资福利
75中等
外企薪资福利较好，但具体薪资未披露，整体处于市场水准。
薪资信号未披露（AI估算：20K-35K/月）
成长发展
90较高
职位涉及前沿AI技术，如大模型、RAG，技能成长空间大，且有培训机会。
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、vLLM、Ollama、TGI
成长机会持续教育、培训
业务类型ambiguous
工作生活
60中等
工作地点在沈阳，现场办公，未提及弹性工作，WLB信号不明确。
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
汽车行业稳定，AI应用有实际价值，但社会影响力一般。
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
Watch Jobs