德科斯米尔
Industrial Engineering ES
Industrial Engineering ES
发布于 大约 1 小时前普通员工/个人贡献者
沈阳市
高级经验
全职员工
仅现场办公
本科
机器学习工程
Llm
Mindspore
Nlp
Pytorch
Rag
Tensorflow
Vllm
机器学习
深度学习
AI 估算 · 15k–25k
沈阳AI算法岗位薪资较一线低，但3年经验+大模型技能有溢价，外资企业福利稳定，综合估算月薪15-25K。
职位详情
关于这个职位
该职位隶属于德科斯米尔（沈阳）汽车零部件公司，实际工作内容为AI算法研发与大模型应用开发，包括机器学习、深度学习、NLP算法设计，以及LLM在对话系统、知识图谱等场景的落地
你将负责从数据处理、模型训练到部署的全流程，并参与RAG、Agent等前沿方向
适合具备3年以上AI经验、热爱技术挑战的工程师
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
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、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（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聚类分布等，支撑结构化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
在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
- 接触前沿技术：岗位涉及LLM、RAG、Agent等大模型热门方向，技术成长空间大
- 跨国企业平台：德科斯米尔是行业巨头，拥有完善的培训体系和国际化协作机会
- 职责范围广：从算法开发到项目管理，能综合提升技术和管理能力
- 行业应用前景：汽车行业的AI应用需求持续增长，经验积累有长期价值
- 技术更新快：大模型领域日新月异，需要持续学习新框架、新方法
- 职责复杂：同时涉及算法开发、项目协调、培训等多项工作，对个人多任务处理能力要求高
- 地域限制：沈阳相比一线城市AI生态稍弱，需要更多主动学习与同行交流
缺点 / 挑战
- 适合热爱AI技术、喜欢挑战高难度问题、能适应快节奏学习，并希望在外资平台获得综合成长的工程师
角色解读
- 技术路线：从AI工程师逐步成长为算法专家、大模型架构师，深入研究更前沿的AI技术
- 管理路线：在承担子项目协调和培训职责后，可向技术经理、研发负责人方向发展
- 行业路线：在汽车行业深耕AI应用，成为智能制造、自动驾驶或工业AI领域的专家
- 设计并开发机器学习、深度学习及NLP算法，为业务场景定制AI解决方案，覆盖数据挖掘、特征工程、模型训练与优化
- 探索大语言模型（LLM）在对话系统、知识图谱、智能推荐等领域的应用，并推动大模型技术在企业级场景落地
- 优化LLM推理性能，使用vLLM、Ollama等框架，并掌握量化、蒸馏等模型轻量化技术，确保生产环境稳定性
- 参与大模型的继续预训练、微调、RAG和Agent适配，管理模型从训练到部署的全生命周期
- 扎实的数学基础：线性代数、概率统计、最优化理论，能够理解算法原理并进行调优
- 熟练Python编程，精通Pandas、Scikit-learn等数据处理工具，以及TensorFlow/PyTorch/MindSpore等深度学习框架
- 具有大模型应用开发经验，熟悉LangChain、LlamaIndex等工具，了解RAG、Agent、Prompt Engineering等关键技术
- 具备独立完成AI项目的能力，包括算法设计、开发与落地，以及良好的英语工作能力
申请策略
- 了解德科斯米尔的业务和技术方向，在面试中展示你如何将AI应用于汽车供应链或生产制造
- 准备英文自我介绍和项目讲述，因为外语是工作语言
- 突出AI项目经验：详细描述至少2个独立主导或完整参与的AI项目，强调算法设计、开发与落地的具体成果
- 展示大模型技能：重点说明LLM应用开发经历，如RAG、Agent、LangChain等工具使用，以及推理优化实践
- 量化成果：用数据体现模型性能提升（准确率、延迟、吞吐量等），以及业务产出价值
- 体现英语能力：在简历中注明英语可工作，并准备英文版本
- 熟悉主流大模型框架：如果尚未掌握，尽快学习LangChain、LlamaIndex、vLLM等
- 强化数学基础：复习线性代数、概率统计和优化理论，为面试中的算法推导做准备
面试指南
- STAR法则：描述情境、任务、行动和结果，突出你的个人贡献和量化成果
- 技术深度与业务结合：先讲技术方案，再说明如何为业务创造价值，体现工程思维
- 对比方案：当被问到技术选型时，列出不同方案的优劣，展示你的判断力
- 请讲述一个你独立负责的AI项目，包括问题定义、技术选型和最终效果
- 你对大语言模型的微调和RAG有何经验？如何评估和优化检索效果？
- 如何用LangChain构建一个企业级问答系统？请描述架构设计
- 在模型部署时，如何权衡延迟和吞吐量？你使用过哪些推理加速技术？
- 你如何持续学习前沿技术？最近关注哪些AI趋势？
职位点评
62
综合评分
外资汽车巨头AI算法岗，前沿大模型技术，薪资未披露，现场办公，成长价值高
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成长的求职者，对工作生活平衡要求不高者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利55
成长发展88
工作生活35
使命价值70
薪资福利
55较低
职位薪资未明确披露，但公司为跨国巨头，福利待遇通常较好，稳定性强；沈阳地区生活成本较低，综合收入性价比尚可。
薪资信号未披露（AI估算：15K-25K/月）
成长发展
88较高
岗位聚焦大模型、LLM等前沿技术，提供持续教育和内外部培训机会，技术成长和职业发展空间大。
技术前沿前沿/新兴技术
技术栈机器学习、深度学习、NLP、LLM、LangChain、RAG、Agent、vLLM
成长机会持续教育、内部和外部培训
业务类型ambiguous
工作生活
35较低
工作地点为沈阳，要求现场办公，没有提及弹性工作或远程，生活方式较为传统固定。
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
人工智能在汽车行业应用前景广阔，技术有创新价值，但岗位不直接面对终端用户，社会影响力一般。
行业发展高速增长赛道
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