德科斯米尔
Industrial Engineering ES
Industrial Engineering ES
发布于 2 小时前基层主管/组长
全职员工仅现场办公人工智能
人工智能
Llm
Pytorch
Rag
Tensorflow
人工智能
机器学习
深度学习
自然语言处理
值不值得投
73综合评分
综合评分 73
跨国汽车零部件公司AI算法岗位，技术前沿、成长性好，但工作地点偏工厂，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。
薪资怎么样
2万
比人工智能中位数低
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
59 个在招 · 其中人工智能 3 个
市场机会
选择不多
沈阳 · 人工智能 · 4 个在招
职位详情
关于这个职位
负责机器学习、深度学习和自然语言处理等领域的算法设计与开发，构建面向汽车制造业务场景的定制化AI解决方案
工作包括探索大规模语言模型（LLM）的应用，优化模型推理性能，参与AI模型全生命周期管理，并协助项目管理与流程改进
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
- 汽车制造行业与AI结合的应用前景广阔，技术落地有实际业务价值
- 跨国公司平台提供国际化视野和技术资源，有利于个人成长
- 技术栈前沿，涉及LLM、RAG等热门方向，能积累先进AI开发经验
- 对AI技术在制造业应用感兴趣，具备算法开发和项目管理能力，追求技术成长的求职者
缺点 / 挑战
- 工业环境下的AI落地可能面临数据质量、实时性等实际挑战
- 需平衡技术开发与项目管理职责，对综合能力要求较高
- 英语工作语言要求，可能增加非母语者的沟通压力
角色解读
- 从AI算法工程师向技术专家或高级工程师发展，深耕垂直领域AI应用
- 积累项目管理经验，成长为团队负责人或技术经理，领导更大规模项目
- 探索前沿AI技术，参与行业创新，推动汽车制造与AI融合的解决方案
- 负责汽车制造场景下的机器学习、深度学习和自然语言处理算法设计与开发，构建定制化AI解决方案
- 探索并落地大规模语言模型（LLM）应用，如对话系统、知识图谱和智能推荐，提升企业智能化水平
- 优化AI模型推理性能，参与模型全生命周期管理，确保生产环境稳定高效
- 管理子项目，协调内部工作组，进行流程优化和标准制定
- 精通Python编程及数据处理工具（Pandas、Scikit-learn），熟练掌握深度学习框架（TensorFlow、PyTorch）
- 扎实的数学基础，熟悉线性代数、概率统计和最优化理论
- 具备AI算法研发或大模型应用开发经验，能独立完成项目设计与落地
- 英语作为工作语言，具备良好的沟通与协作能力
申请策略
- 研究汽车制造行业AI应用趋势，了解公司业务和产品
- 准备英文面试，练习技术概念的英文表达和项目介绍
- 突出AI算法项目经验，特别是涉及机器学习、NLP和LLM的实际案例
- 强调Python编程和深度学习框架的熟练程度，展示数据处理能力
- 体现项目管理和跨部门协作经历，以及英语工作能力
- 深入学习大模型相关技术，如Prompt Engineering、RAG和Agent开发
- 加强项目管理技能，学习如何有效协调子项目和监控进度
面试指南
- 使用STAR法则（情境、任务、行动、结果）描述项目经验，突出技术细节和成果
- 结合具体工具（如vLLM、RAG）和优化方法（量化、蒸馏）解释技术方案
- 从计划、协调、监控角度阐述项目管理经验，强调检查清单和绩效指标的使用
- 请介绍一个你主导的AI算法项目，从设计到部署的过程
- 如何优化大语言模型的推理性能，有哪些具体技术手段？
- 你如何管理子项目并确保目标达成？请举例说明
- 在汽车制造场景下，如何将AI技术应用于生产流程改进？
- 你对LLM在垂直领域应用有什么见解？
职位点评
薪资福利75
成长发展80
工作生活60
使命价值70
薪资福利
75中等
薪资和福利信息未在JD中披露，但作为跨国公司岗位，可能提供市场水准的薪酬和稳定福利。
薪资信号未披露（AI估算：1.5千–2.5万/月）
成长发展
80较高
职位涉及前沿AI技术如LLM、RAG，并提供算法开发与项目管理实践，有利于技能成长和职业发展。
技术前沿前沿/新兴技术
技术栈Python、PyTorch、TensorFlow、LLM、RAG、Agent
业务类型ambiguous
工作生活
60中等
工作地点可能位于工厂区域，办公模式未明确提及，WLB信号不足，生活平衡可能受限。
工作模式未明确
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
将AI技术应用于汽车制造以提升生产效率和驾驶体验，具有一定的行业价值和社会影响力。
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