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
高级经验
全职员工
仅现场办公
本科
人工智能
Llm
Nlp
Pytorch
Rag
Tensorflow
Vllm
机器学习
深度学习
AI 估算 · 20k–35k
AI算法岗位在沈阳属于高薪，结合3年经验及大模型技能，月薪2-3.5万，年终奖1-2个月。
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ES岗位，实际工作内容聚焦于AI算法与大模型应用开发
你将负责机器学习、深度学习、NLP等算法的设计与优化，探索LLM在对话系统、知识图谱等场景的落地，并参与模型的全生命周期管理
适合具备扎实数学与编程基础、有3年以上AI研发经验的工程师
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
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
- 大模型技术是当前热点，技能积累价值高
- 公司为跨国巨头，平台稳定，资源丰富
- 工作内容涵盖算法研发到部署，全面锻炼能力
- 沈阳生活成本低，薪资水平在当地有竞争力
- 职位名称与内容不符，可能影响职业定位
- 工作地点在沈阳，可能不如一线城市机会多
- 适合有3年以上AI经验，希望深入大模型领域，且能接受在沈阳发展的工程师
缺点 / 挑战
- 需要独立负责项目，压力较大
角色解读
- 从算法工程师向高级算法专家或技术负责人发展
- 深入大模型领域，成为企业级AI架构师
- 有机会转向管理岗位，带领团队负责AI项目
- 负责AI算法（机器学习、深度学习、NLP）的设计与开发，构建定制化解决方案
- 探索大模型（LLM）在对话系统、知识图谱等场景的应用，并推动落地
- 优化模型推理流程，使用vLLM、Ollama等框架，提升性能
- 参与模型全生命周期管理，包括训练、调优、部署和监控
- 扎实的数学基础（线性代数、概率统计、最优化）
- 精通Python，熟悉Pandas、Scikit-learn等数据处理工具
- 熟练使用至少一种深度学习框架（PyTorch、TensorFlow等）
- 具备大模型应用开发经验，熟悉LangChain、RAG、Agent等技术
申请策略
- 了解德科斯米尔在汽车行业的业务，思考AI如何应用于汽车制造
- 面试时强调跨部门协作和培训能力
- 突出大模型项目经验，特别是RAG、Agent等应用
- 强调算法优化和部署的实际成果，如性能提升数据
- 展示Python和深度学习框架的熟练度
- 提及英语能力，因为需要作为工作语言
- 补充LangChain、vLLM等工具的使用经验
- 学习模型量化、蒸馏等轻量化技术
面试指南
- 用STAR法则回答项目经验，突出你的贡献和成果
- 结合具体技术细节，展示深度理解
- 强调业务价值，说明技术如何解决实际问题
- 请介绍你主导的一个AI项目，从需求到部署
- 如何优化LLM推理性能？你使用过哪些框架？
- 谈谈你对RAG的理解，如何应用于垂直领域？
- 如何设计Prompt工程？请举例
- 你如何管理模型的全生命周期？
职位点评
69
综合评分
跨国企业AI岗位，前沿技术，薪资有竞争力，但工作地点和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、愿意在沈阳发展的AI工程师。
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50
使命价值60
薪资福利
70中等
薪资水平在沈阳有竞争力，但未明确福利，稳定性较好。
薪资信号未披露（AI估算：20K-35K/月）
成长发展
85较高
大模型技术前沿，项目涉及全生命周期，成长空间大。
技术前沿前沿/新兴技术
技术栈Python、LLM、LangChain、PyTorch、RAG
成长机会继续教育、培训
业务类型ambiguous
工作生活
50较低
工作地点在沈阳，可能现场办公，未提及弹性工作。
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
汽车行业稳定，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