德科斯米尔
Industrial Engineering ES
Industrial Engineering ES
发布于 38 分钟前普通员工/个人贡献者
全职员工仅现场办公AI算法
AI算法
Llm
Machine Learning
Nlp
Prompt Engineering
Pytorch
Rag
Tensorflow
值不值得投
74综合评分
综合评分 74
跨国车企背景，聚焦LLM前沿技术应用，技术成长空间大，生活平衡待确认
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便横向比较。
薪资怎么样
2.8万
比AI算法中位数低
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 280 个在招 · 其中AI算法 10 个
市场机会
选择不多
沈阳 · AI算法 · 10 个在招
职位详情
关于这个职位
该职位主要负责机器学习、深度学习及NLP领域的算法设计与开发，特别是大语言模型（LLM）在企业级场景的落地应用
候选人需独立完成从数据挖掘、模型训练调优到部署的全生命周期管理，并探索Prompt Engineering、RAG等前沿技术以构建定制化AI解决方案
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、概率统计和最优化理论
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或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
计划和实现现有产品和新产品的生产工艺
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、内容生成和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、Llama Index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
- 技术前沿性高：直接接触LLM、RAG、Agent等当前最热门的AI技术领域
- 平台稳定：德科斯米尔作为跨国巨头，提供稳定的职业平台和规范的流程
- 国际化环境：支持英语作为工作语言，有机会参与国际培训和交流
- 跨界融合：将AI技术与传统制造业结合，具有独特的行业壁垒和应用价值
- 技术迭代快：需要持续学习最新的大模型技术和框架，保持竞争力
- 职责多元：除了技术研发，还需承担培训、文档和管理子项目的职责，精力分散
- 适合拥有3年以上AI算法经验，对大模型技术有浓厚兴趣，且希望在制造业数字化转型背景下发挥技术价值的工程师
缺点 / 挑战
- 落地难度大：企业级场景的数据质量和业务逻辑复杂，模型落地可能面临挑战
角色解读
- 纵向深耕：成为AI大模型领域的专家，专注于垂直行业模型的优化与创新
- 横向拓展：向AI产品经理或技术负责人方向发展，统筹更广泛的AI战略落地
- 技术管理：凭借项目管理经验和团队协调能力，逐步转向技术管理岗位
- 核心职责是研发和优化AI算法，特别是针对大语言模型（LLM）在企业内部场景的应用落地
- 负责从数据预处理、模型训练、微调（Fine-tuning）到部署上线的全流程技术实现
- 探索前沿技术如Prompt Engineering、RAG和Agent，解决具体业务痛点
- 承担技术文档编写、内部培训及跨部门协作沟通的职责
- 扎实的编程基础，精通Python及主流数据处理库（Pandas, Scikit-learn）
- 熟练掌握至少一种深度学习框架（PyTorch/TensorFlow/MindSpore）
- 深入理解大模型技术栈，包括LLM微调、RAG架构、Prompt设计及推理优化（vLLM等）
- 具备良好的数学基础和英语工作能力，能够阅读英文技术文档并进行国际交流
申请策略
- 准备英文简历，因为职位要求英语作为工作语言
- 在面试中展示对大模型技术趋势的理解，而不仅仅是代码实现能力
- 强调自己在跨部门协作和技术分享方面的经验，符合职位的多重职责要求
- 突出LLM相关项目经验，特别是微调、RAG、Prompt Engineering的具体实践和成果
- 强调Python编程能力及深度学习框架的熟练程度，列出具体使用的工具链
- 展示独立主导或深度参与的AI项目案例，重点描述解决的问题和技术难点
- 提及英语工作能力及相关证书，体现国际化协作潜力
- 深入学习LangChain、Llama Index等大模型应用开发框架
面试指南
- STAR法则：情境（Situation）、任务（Task）、行动（Action）、结果（Result）结构化回答项目经历
- 技术深度+业务广度：既展示技术细节（如具体参数调整、框架选择理由），又关联业务影响（如效率提升百分比）
- 请详细介绍一个你主导的LLM应用项目，包括技术选型、难点攻克和业务价值
- 你是如何处理企业级场景中数据隐私和质量问题的？
- 请解释一下RAG的工作原理，以及在项目中如何优化检索效果？
- 面对模型推理延迟高的问题，你会采取哪些优化措施？
- 如何在非技术团队成员中推广AI技术的应用和理解？
- 复习大模型核心技术原理，如Transformer架构、Attention机制、LoRA微调等
职位点评
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
作为跨国巨头企业，通常提供具有市场竞争力的薪资和完善的外企福利体系，但在沈阳地区的绝对薪资水平可能略低于一线城市，整体补偿性动机满足度较好。
薪资信号未披露（AI估算：2.0千–3.5万/月）
成长发展
85较高
职位涉及LLM、RAG、Agent等前沿技术，技术栈非常现代且具有挑战性，同时公司提供内部培训和国际交流机会，极大地满足了技能成长和职业发展需求。
技术前沿前沿/新兴技术
技术栈LLM、NLP、Deep Learning、LangChain、RAG、Prompt Engineering、vLLM、PyTorch、TensorFlow
成长机会internal and external training、continuing education、plan and conduct internal and external training
业务类型profit_center
工作生活
60中等
职位位于沈阳，生活成本相对较低，但工作内容涉及复杂的算法研发和项目协调，可能伴随一定的工作压力。JD未明确提及弹性工作制或加班政策，需进一步确认。
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
职位致力于通过技术创新提升驾驶体验和汽车制造效率，具有一定的社会价值和行业影响力，符合追求技术落地和社会贡献的求职者动机。
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、automotive innovations
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
研究型实习生-长上下文音频理解与生成统一模型研究
阿里巴巴 · 杭州市
AI 估算 · 4.0–6.0千1 小时前发布
阿里ATH-算法工程师-AI搜
阿里巴巴 · 北京市
AI 估算 · 3.0–6.0万1 小时前发布
研究型实习生-阿里妈妈-算法工程师（生成式推荐算法研究方向）
阿里巴巴 · 杭州市
AI 估算 · 4.0–6.0千1 小时前发布
智能体化多模态生成模型研究：从系统设计到实践应用-阿里星/C-Star
阿里巴巴 · 杭州市
AI 估算 · 4.0–8.0万1 小时前发布
阿里健康-Agent 开发工程师-北京
阿里巴巴 · 北京市
AI 估算 · 4.0–8.0万1 小时前发布
阿里妈妈-AI Agent优化工程师-AICRM
阿里巴巴 · 杭州市
AI 估算 · 3.5–6.0万1 小时前发布
千问事业部-AI搜索算法专家-杭州/北京
阿里巴巴 · 杭州市
AI 估算 · 6.0–10.0万1 小时前发布
安全AI基础架构-高级AI infra 工程师-大模型推理方向
阿里巴巴 · 杭州市
AI 估算 · 4.5–8.0万1 小时前发布
Watch Jobs