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
中级经验
全职员工
仅现场办公
本科
研究与开发 (研发)
Llamaindex
Llm
Mindspore
Nlp
Ollama
Pytorch
Rag
Scikit-Learn
Tensorflow
AI 估算 · 15k–25k
沈阳AI算法岗3年经验，跨国巨头薪资有竞争力，结合技术难度和项目经验，预估月薪1.5-2.5万，14薪。
职位详情
关于这个职位
该职位是德科斯米尔公司在沈阳的AI算法研发岗位，主要负责机器学习、深度学习、自然语言处理（NLP）及大规模语言模型（LLM）的算法设计与开发
你将深入参与数据挖掘、模型训练与优化，并推动AI技术在企业级场景的落地实施，同时还需负责模型的部署与全生命周期管理
职位要求3年以上AI算法经验，适合具备扎实数学和编程基础、对前沿AI技术有浓厚兴趣的工程师
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，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（LLM、RAG、Agent），技能积累快，市场价值高
- 跨国企业平台，资源丰富，有机会参与国际项目，拓展视野
- 职位涉及全栈AI流程（从研发到部署），综合能力提升快
- 技术迭代快，需要持续学习，保持对最新框架和方法的跟进
- 工作可能涉及多项目并行，需较强的协调和时间管理能力
- 适合对AI算法有浓厚兴趣、具备较强数学和编程基础、渴望在工业场景中应用大模型技术的工程师
缺点 / 挑战
- 作为外企，对英语沟通能力要求较高，需适应英文工作环境
角色解读
- 可向AI技术专家或架构师发展，深耕大模型与NLP方向
- 有机会转向项目管理或技术管理，负责跨部门AI项目
- 在德科斯米尔这样的跨国企业，可参与全球技术培训，拓展国际视野
- 负责AI算法设计开发，包括机器学习、深度学习、NLP及LLM相关模型
- 独立完成数据挖掘、特征工程、模型训练与调优，提升模型性能
- 推动大模型技术在企业级场景落地，如对话系统、知识图谱、智能推荐等
- 参与模型部署全生命周期管理，优化推理流程，降低延迟、提高吞吐量
- 精通Python及数据处理工具（Pandas、Scikit-learn），熟悉TensorFlow/PyTorch/MindSpore等深度学习框架
- 扎实的数学基础（线性代数、概率统计、最优化），具备算法优化能力
- 有LLM相关经验，熟悉LangChain、vLLM等工具，掌握Prompt Engineering、模型微调、RAG等技术
- 英语可作为工作语言，具备独立项目主导经验
申请策略
- 在求职信中表达对AI工业应用的兴趣，突出跨领域能力
- 关注公司官网或招聘平台，了解沈阳地区的具体招聘流程
- 突出AI项目经验，特别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、模型优化和部署成果
- 强调LLM相关技术栈，如LangChain、vLLM、RAG等，并附上具体应用案例
- 展示数据处理和特征工程能力，如使用Pandas、Scikit-learn的实战经验
- 体现英语水平，可附上英文版简历或英语证书
- 补充LLM推理优化工具（vLLM、Ollama）和模型轻量化技术（量化、蒸馏）的实践
- 强化Prompt Engineering和RAG相关知识，了解前沿论文和开源项目
面试指南
- 对于项目介绍类问题，使用STAR原则（情境、任务、行动、结果），突出个人贡献和技术细节
- 对于技术原理问题，先给出定义，再结合项目实例说明，体现理解深度
- 对于优化类问题，列出多种方法并对比，最后根据场景选择最优方案
- 请介绍一个你主导的AI项目，包括算法选型、模型优化和最终效果
- 你如何理解LLM的RAG架构？请结合实际场景说明
- 如何在生产环境中优化LLM推理性能？有哪些常用方法？
- 你如何处理数据不平衡问题？请举例说明
- 请解释Transformer中的自注意力机制，并说明其优缺点
职位点评
72
综合评分
跨国外企AI研发岗，前沿技术栈，薪资中上，现场办公，成长空间大。
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
非常适合追求技术成长和前沿AI实践的求职者，对工作灵活性要求不高。
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50
使命价值60
薪资福利
75中等
跨国巨头，薪资有竞争力，福利可能包括五险一金、年终奖等，但JD未明确说明具体福利。
薪资信号未披露（AI估算：15K-25K/月）
成长发展
90较高
职位涉及最前沿的LLM、RAG、Agent等技术，成长空间大，内部培训和国际协作机会多。
技术前沿前沿/新兴技术
技术栈Python、TensorFlow、PyTorch、MindSpore、LLM、LangChain、vLLM、Ollama、RAG、量化、蒸馏
成长机会内部培训、国际培训、规划并实施培训
业务类型ambiguous
工作生活
50较低
仅现场办公，未提及弹性工作或远程，加班情况未明确，但外企通常WLB较好。
工作模式仅现场办公
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值
60中等
汽车行业稳定但增长放缓，AI应用有社会价值，但职位主要聚焦技术实现，使命感一般。
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
德科斯米尔 的其他在招职位
相似职位推荐
Watch Jobs