德科斯米尔
Industrial Engineering ES
Industrial Engineering ES
发布于 1 天前普通员工/个人贡献者
Shenyang
中级经验
仅现场办公
本科
软件工程
AI 估算 · 15k–25k
沈阳AI岗位3年经验，大公司平台，薪资中等偏上，综合市场行情估算。
职位详情
关于这个职位
该职位主要负责AI算法与大规模语言模型（LLM）的研发与落地，包括机器学习、深度学习、NLP等领域的算法设计与优化，并探索LLM在对话系统、知识图谱等场景的应用
您将参与模型训练、微调、RAG及Agent开发，并管理AI模型的全生命周期
适合有3年以上AI研发经验，精通Python和深度学习框架的技术人才
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，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
- 大公司平台，资源丰富，项目稳定，可深入接触汽车行业AI应用场景
- 技术栈前沿，涵盖LLM、RAG、Agent等热点领域，有利于技能积累
- 职责包含培训和管理子项目，有助于培养综合能力
- 工作地点在沈阳，相比一线城市薪资竞争力可能略低
- 适合有3年以上AI经验，希望在大平台稳定发展，同时接触前沿LLM技术并愿意承担一定项目管理责任的技术人员
缺点 / 挑战
- 需要同时管理项目和技术研发，对时间管理和多任务处理能力要求较高
- 汽车行业对模型稳定性和可靠性要求高，技术落地压力较大
角色解读
- 技术方向：成长为AI算法专家或大模型架构师，主导核心算法研发
- 管理方向：发展为技术团队Leader，管理AI项目团队
- 行业方向：深耕汽车行业AI应用，成为智能制造或自动驾驶领域的专家
- 负责机器学习、深度学习及NLP算法的设计与开发，构建面向业务场景的定制化AI解决方案
- 探索大规模语言模型（LLM）在对话系统、知识图谱、智能推荐等场景的应用，推动大模型技术落地
- 参与模型的全生命周期管理，包括训练、调优、部署和监控，确保生产环境的高性能
- 管理子项目，进行技术趋势分析，制定内部标准与流程，并提供技术培训
- 精通Python及数据处理工具（Pandas, Scikit-learn），熟悉深度学习框架（PyTorch, TensorFlow）
- 扎实的数学基础（线性代数、概率统计、优化理论），3年以上AI算法或大模型开发经验
- 熟悉LLM推理优化（vLLM, Ollama, TGI）和模型轻量化技术（量化、蒸馏）
- 具备英语工作能力，能够进行技术交流和培训
申请策略
- 了解德科斯米尔在汽车行业的业务重点，尤其是智能制造和数字化的方向，在面试中展示对行业的理解
- 准备1-2个完整的AI项目案例，从需求分析到部署全流程的讲解
- 突出AI算法项目经验，尤其是独立主导或完整参与过的2个以上项目，详细描述技术难点和成果
- 强调对大模型（LLM）的实际应用经验，如对话系统、RAG、Agent等
- 展示Python编程、深度学习框架（PyTorch/TensorFlow）的熟练度，以及数据处理能力
- 如有培训或跨团队协作经历，重点提及，以匹配职位中的内部培训职责
- 补充大模型推理优化（vLLM, Ollama, TGI）和轻量化技术（量化、蒸馏）的实操经验
- 学习LangChain、LlamaIndex等LLM应用框架，准备案例展示
面试指南
- 对于项目类问题，使用STAR法则：背景、任务、行动、结果，突出技术难点和量化成果
- 对于技术类问题，先阐述原理，再结合具体工具或框架说明实现方式，最后总结优化效果
- 对于场景类问题，展示对业务需求的理解，提出可行方案，并考虑落地中的挑战
- 请介绍一个你独立主导的AI项目，从数据准备到模型部署的完整流程
- 你对大语言模型的微调和RAG技术有何经验？如何评估模型效果？
- 如何优化LLM的推理性能？列举你使用过的方法和工具
- 如何将AI技术与工业工程结合？请举例说明你在汽车行业的应用思路
- 你如何协调项目和技术研发之间的平衡？请分享一个管理子项目的经历
职位点评
70
综合评分
汽车行业大公司，前沿LLM技术栈，成长空间大，但工作地点固定、WLB一般。
更适合这类人
适合追求技术成长、希望接触前沿AI技术，对工作地点和WLB要求不高的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利65
成长发展88
工作生活55
使命价值70
薪资福利
65中等
薪资水平在沈阳属于中上等，但相比一线城市偏低；大公司福利稳定，但JD未明确薪资和具体福利，存在不确定性。
薪资信号未披露（AI估算：15K-25K/月）
成长发展
88较高
技术栈前沿（大模型、LLM），有培训职责和跨团队合作，成长空间大。
技术前沿前沿/新兴技术
技术栈LLM、RAG、Agent、LangChain、PyTorch、TensorFlow、vLLM、Ollama、TGI
成长机会内部培训、外部培训
业务类型ambiguous
工作生活
55较低
仅现场办公，地点在沈阳（汽车工厂），可能不在市中心，未提及弹性工作或WLB相关信息。
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
汽车行业属于稳定成熟行业，AI应用有实际价值，但社会责任不突出。
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
创新程度积极采用新技术
Watch Jobs