Watch Jobs
DRAXLMAIER logo
德科斯米尔
Industrial Engineering ES
立即应聘

Industrial Engineering ES

发布于 大约 1 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
机器学习工程
Llm
Nlp
Pytorch
Rag
Tensorflow
Vllm
机器学习
深度学习

AI 估算 · 15k–25k

AI算法岗位需求旺盛，但沈阳薪资水平低于一线，跨国企业提供较稳定待遇，综合估算月薪1.5-2.5万。

职位详情

关于这个职位

该职位是德科斯米尔（沈阳）汽车零部件公司招聘的工业工程ES岗位，实际内容聚焦AI算法与大模型应用开发，涵盖机器学习、深度学习、NLP、LLM、RAG等技术方向

要求本科以上学历，3年以上经验，能独立完成算法设计、开发与部署
工作地点在沈阳

最低要求

Job and Work Requirements:

At least Bachelor's degree in computer science, mathematics, and Computer Science, Industrial Engineering, AI Applications, Mathematics and etc.
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
Solid foundation in mathematics, with proficiency in linear algebra, probability and statistics, and optimization theory.
扎实的数学基础，熟悉线性代数，概率统计，最优化理论
Proficient in Python programming language, familiar with data processing tools such as Pandas and Scikit-learn.
精通Python编程语言，熟悉Pandas，Scikit-learn等数据处理工具
Proficient in at least one deep learning framework such as TensorFlow, PyTorch, or MindSpore.
熟练掌握TensorFlow，PyTorch，MindSpore等至少一种深度学习框架
At least 3 years of experience in AI algorithm development or large-scale model application development.
具备至少3年AI算法研发或者大模型应用开发相关经验
Experienced in independently leading or fully participating in algorithm design, development, and deployment for at least 2 AI projects.
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
English can be used as working language.
英语可作为工作语言

工作职责

Principle Activities:

Responsible for designing and developing algorithms in the fields of machine learning, deep learning, and natural language processing (NLP), building customized AI solutions tailored to specific business scenarios.
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
Responsible for independently conducting data mining, feature engineering, model training, and optimization to enhance model performance in accuracy, generalization capability, and real-time responsiveness.
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
Explore large-scale language models (LLMs) in applications such as conversational systems, knowledge graphs, content generation, and intelligent recommendations, driving the implementation of large-model technology in enterprise-level scenarios.
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
Design and implement a prompt engineering solution, leveraging tools such as LangChain and Llama Index to build enterprise-grade AI application systems powered by large language models (LLMs).
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
Proficient in data processing techniques (data cleaning, feature extraction) and tools (e.g., Pandas, Scikit-learn), utilizing machine learning algorithms to perform tasks such as data clustering and distribution analysis to support structural LLM fine-tuning datasets.
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
Optimize LLM inference workflows by leveraging inference frameworks such as vLLM, Ollama, and TGI to enhance service performance, reduce latency, and increase throughput; master model lightweighting techniques including quantization and distillation
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
Participate in the continued pre-training, fine-tuning, RAG (Retrieval-Augmented Generation), and agent adaptation of large models to enhance their performance in vertical domains.
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
Manage the entire lifecycle of AI models—from training, hyperparameter tuning, testing to deployment—ensuring stability and high performance in production environments.
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
Act as internal and external contact person within his/her own area of expertise; cooperate in internal working groups.
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
Create internal publications (e.g. documentation, etc.) and present as required (internally)
编制内部相关文件并按需进行内部汇报
Recognize general need for continuing education in his/her own field within the company; plan and conduct internal and external training on complex topics, both domestically and in other countries
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）
Support in determining and optimizing internal standards and processes within his/her own area of expertise.
协助制定并优化本专业领域的内部标准与流程
Observe/identify trends in his/her area of expertise in order to develop concepts; suggest recommendations for action (e.g. planning methods, etc.).
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）
Conduct mainly conceptual activities within his/her area of expertise.
在其专业领域内主要开展概念性工作
Manage, control and coordinate sub-projects; monitor project handling and goal achievement, based on checklists and performance indicators.
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
Conduct complex analyses to optimize and determine measures for improvement.
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

  • 技术栈前沿，涉及大模型、LLM、RAG等热门领域，技能积累价值高
  • 跨国企业平台，流程规范，有内部培训和出国交流机会
  • 汽车行业与AI结合，方向独特，具有行业竞争力
  • 职位名称与实际工作内容偏差较大，可能带来定位不清晰的问题
  • 沈阳并非AI核心城市，行业生态和资源相对有限
  • 工作内容包含大量工程化与协作任务，不仅限于算法研究
  • 适合有3年以上经验、希望深耕AI算法与大模型应用、同时能接受在二线城市发展的技术人才

缺点 / 挑战

暂无明显挑战项

角色解读

  • 从AI算法工程师向高级算法专家或技术负责人发展，主导更大规模AI项目
  • 向大模型架构师方向深耕，掌握模型训练、推理优化、部署等全栈技能
  • 可横向转型为AI产品经理或技术管理岗位，结合业务场景推动AI落地
  • 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
  • 探索大语言模型在对话、知识图谱、内容生成等场景的应用，推动大模型技术落地
  • 优化LLM推理流程，使用vLLM等框架提升性能，并参与模型微调、RAG和Agent开发
  • 管理AI模型全生命周期，包括训练、测试、部署，同时承担内部培训与流程优化工作
  • 扎实的数学基础（线性代数、概率统计、最优化），掌握常见机器学习算法
  • 精通Python，熟悉Pandas、Scikit-learn，熟练使用至少一种深度学习框架（TensorFlow、PyTorch等）
  • 具备大模型应用经验，熟悉LangChain、vLLM、RAG、Prompt Engineering等技术
  • 英语可作为工作语言，能够独立阅读文献、撰写文档并参与国际协作

申请策略

  • 了解德科斯米尔公司背景和汽车行业知识，在面试中体现行业理解
  • 由于职位名称与内容不符，可提前向HR确认实际职责，避免误解
  • 突出独立主导或参与的AI项目，特别是从算法设计到部署的完整案例
  • 强调大模型相关经验，如LLM微调、RAG、LangChain应用、推理优化等
  • 展示数学基础和编程能力，如Python、PyTorch/TensorFlow的使用
  • 提及英语能力，如有国际项目经验或英文技术文档撰写经历
  • 补充大模型应用技术栈，如LangChain、vLLM、Ollama的学习
  • 熟悉模型轻量化技术（量化、蒸馏），理解推理优化

面试指南

  • STAR法则：情境(Situation)、任务(Task)、行动(Action)、结果(Result)，量化项目成果
  • 针对技术问题，先讲清原理，再结合项目实践说明应用和取舍
  • 对于职业动机问题，结合公司和岗位特点，体现稳定性与匹配度
  • 请介绍一个你独立主导的AI项目，包括算法选型、数据处理、模型训练和部署过程
  • 你对大语言模型微调和RAG有什么经验？如何设计一个企业级问答系统？
  • 如何优化LLM推理性能？你了解哪些推理框架和模型压缩方法？
  • 在数据清洗和特征工程方面，你有哪些实际经验？
  • 为什么选择在沈阳工作？你对汽车行业AI应用有何理解？

职位点评

67
综合评分

跨国车企的AI算法岗，前沿技术驱动，成长性强但WLB不明确，城市非一线。

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、看重职业发展前景，而对工作生活平衡和地理位置要求不高的求职者。
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85
工作生活50
使命价值60

薪资福利

65中等

薪资在沈阳属于中上水平，跨国企业福利相对稳定，但具体薪资未披露，吸引力有限。

薪资信号未披露（AI估算：15K-25K/月）

成长发展

85较高

技术方向前沿，涉及大模型、LLM等新兴领域，有内部培训和持续教育机会，成长空间大。

技术前沿前沿/新兴技术
技术栈Python、PyTorch、TensorFlow、机器学习、深度学习、NLP、LLM、RAG、LangChain、vLLM
成长机会continuing education、internal and external training
业务类型ambiguous

工作生活

50较低

工作地点在沈阳，现场办公，未提及弹性安排，WLB信息不明确。

工作模式未明确
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

汽车行业成熟稳定，但该岗位通过AI技术赋能传统制造业，具有一定创新意义，社会影响力中性。

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