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
中级经验
全职员工
仅现场办公
本科
研究与开发 (研发)
Nlp
Pytorch
Rag
Tensorflow
大语言模型
数据挖掘
机器学习
深度学习
AI 估算 · 20k–30k
AI算法岗位薪资较高，沈阳生活成本相对较低，综合市场水平估算约20-30K*13薪。
职位详情
关于这个职位
该职位是德科斯米尔（沈阳）的AI算法研发岗，负责机器学习、深度学习、自然语言处理及大语言模型（LLM）的应用开发与落地，包括对话系统、知识图谱、智能推荐等场景
你将参与模型训练、优化、部署的全生命周期管理，并需具备独立主导项目的能力
适合有3年以上AI经验、希望深耕前沿技术并在汽车行业应用的工程师
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，提升模型性能
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
熟悉数据处理技术及工具，利用机器学习算法完成数据的聚类分布等，支撑LLM微调数据集
优化LLM推理流程，利用vLLM、Ollama、TGI等推理框架提升服务性能
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
完成AI模型从训练、调参、测试到部署的全生命周期管理，确保生产环境稳定性与高性能
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
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
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
- 跨国巨头平台，技术资源丰富，稳定性高
- 接触大模型、RAG等前沿技术，成长空间大
- 沈阳生活成本较低，相比一线城市工作生活平衡更容易实现
- 要求算法深度与广度兼具，需快速跟进AI最新进展
- 汽车行业数据获取可能受限，模型落地需克服实际工程问题
- 适合有3年以上AI经验，热衷于大模型及前沿技术，并希望在沈阳或东北地区发展的算法工程师
缺点 / 挑战
- 需要管理子项目，对协调和沟通能力要求较高
角色解读
- 从算法工程师成长为技术专家或架构师，深入AI领域前沿
- 可转向AI产品管理或技术管理，负责更大规模的项目和团队
- 在汽车行业AI方向持续深耕，成为行业技术领袖
- 负责机器学习、深度学习、NLP算法设计与开发，构建定制化AI解决方案
- 探索大语言模型（LLM）在对话、知识图谱、内容生成等场景中的应用，推动技术落地
- 管理AI模型全生命周期，从训练、优化到部署，并协调子项目，确保交付质量
- 精通Python及TensorFlow/PyTorch等深度学习框架，熟悉数据处理工具Pandas、Scikit-learn
- 掌握LLM相关技术，包括LangChain、RAG、模型优化（量化、蒸馏）等
- 扎实的数学基础（线性代数、概率统计、优化理论），具备独立主导AI项目的能力
申请策略
- 了解德科斯米尔在汽车领域的业务，简历中体现对AI+汽车场景的兴趣
- 准备中英文简历和英文面试，英语表达需流利
- 重点突出AI项目经验，尤其是大模型、RAG、对话系统等相关的项目
- 强调Python、TensorFlow/PyTorch技能，并展示独立主导项目的成果
- 包含数学基础和算法优化细节，如模型压缩、推理加速等
- 补充LangChain、LlamaIndex等大模型工具链的实际使用经验
- 强化优化理论、分布式训练等方向，以备面试深挖
面试指南
- 使用STAR法则（情境、任务、行动、结果）结构化回答项目经验
- 技术问题先阐述基本原理，再结合实际应用场景说明优化措施
- 开放性题目展示思考过程，提出多种方案并比较优劣
- 请介绍一个你独立主导的AI项目，包括挑战和解决方案
- 如何优化大语言模型的推理性能？你用过哪些框架？
- 解释Transformer架构的原理及其在NLP中的优势
- 如何处理数据不平衡问题？在特征工程中有哪些常用方法？
- 你对RAG（检索增强生成）的理解及如何实现？
职位点评
74
综合评分
沈阳跨国巨头AI算法岗，前沿技术栈，薪资市场水准，WLB未明确。
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
最适合追求技术前沿和职业发展的求职者，对于工作地点灵活性和WLB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85
工作生活60
使命价值70
薪资福利
75中等
薪资虽未明确，但跨国巨头提供稳定薪酬和福利，整体补偿性较好。
薪资信号未披露（AI估算：20K-30K/月）
成长发展
85较高
岗位涉及前沿AI技术和大模型应用，研发属性强，发展空间大。
技术前沿前沿/新兴技术
技术栈Python、TensorFlow、PyTorch、机器学习、深度学习、NLP、大语言模型、LangChain、RAG、数据挖掘
业务类型ambiguous
工作生活
60中等
仅现场办公，沈阳通勤一般，未提及弹性工作或WLB相关信息。
工作模式仅现场办公
办公地点未明确
加班情况未提及（无法判断）
使命价值
70中等
汽车行业成熟，AI创新有一定社会价值，但非直接改变社会的岗位。
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