德科斯米尔
Industrial Engineering ES
Industrial Engineering ES
发布于 大约 15 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)
Llm
Nlp
Pytorch
Rag
Scikit-Learn
Tensorflow
Vllm
机器学习
深度学习
AI 估算 · 15k–25k
沈阳AI岗位，外资汽车零部件巨头，3年经验，大模型方向薪资有竞争力，市场薪资区间约15-25K/月。
职位详情
关于这个职位
该职位是德科斯米尔在沈阳的AI算法研发岗，专注于机器学习、深度学习和大语言模型（LLM）的算法设计与落地
你将参与从数据挖掘、模型训练到推理部署的全流程，并探索LLM在对话系统、知识图谱等企业级场景的应用，适合有3年以上AI经验并期待深入大模型技术的工程师
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，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
- 专注于大模型和AI前沿技术，技能积累与行业趋势高度契合，职业发展空间大
- 外资企业，工作流程规范，有机会参与国际项目，提升英语和跨文化协作能力
- 沈阳生活成本相对低，薪资在本地具有较强竞争力
- 部分职责涉及项目管理、培训、标准制定等非纯技术工作，需具备多面手能力
- AI领域更新快，需要持续跟进新技术，保持竞争力
- 该职位适合3年以上AI开发经验、对大模型技术充满热情、愿意在工业场景中落地前沿技术的工程师，同时具备较强的自驱力和英语沟通能力
缺点 / 挑战
- 职位描述中明确要求较高，需同时掌握传统ML/DL和大模型技术栈，学习压力较大
角色解读
- 技术方向：从算法工程师发展为AI架构师或大模型专家，深入LLM底层优化和前沿研究
- 管理方向：可晋升为技术负责人或项目经理，带领团队推动AI落地
- 行业方向：在汽车零部件领域积累智能制造AI经验，向工业4.0或自动驾驶等高价值领域拓展
- 设计和实现机器学习、深度学习、NLP算法，构建面向业务场景的定制化AI解决方案
- 独立完成数据挖掘、特征工程、模型训练与调优，提升模型准确率、泛化能力和实时性
- 探索大语言模型（LLM）在对话系统、知识图谱、智能推荐等场景的落地，参与预训练、微调、RAG和Agent开发
- 管理AI模型全生命周期，从训练到部署，确保生产环境稳定高效
- 扎实的数学基础（线性代数、概率统计、最优化），精通Python及深度学习框架（TensorFlow/PyTorch等）
- 熟悉数据处理工具（Pandas, Scikit-learn）和LLM相关技术（LangChain, vLLM, Ollama等）
- 至少3年AI算法或大模型开发经验，独立主导过2个以上AI项目
- 英语可作为工作语言，具备内外沟通和文档编写能力
申请策略
- 了解德科斯米尔在汽车电汽系统和内饰领域的业务，思考AI如何赋能工业制造，提前准备针对性的想法
- 关注职位中提到的“工业工程”背景要求，若具备相关工业AI经验可重点强调
- 重点突出大模型相关项目经验，如LLM微调、RAG、Prompt工程或Agent开发，附上量化效果
- 展示传统ML/DL项目中的算法创新和性能提升，体现数学和工程能力
- 强调Python、TensorFlow/PyTorch等工具链的熟练掌握，以及数据处理和全流程管理经验
- 如有开源贡献、技术博客或竞赛获奖，可增加亮点
- 补充LangChain、vLLM、Ollama等LLM工具链的实战经验，可参与开源项目或个人项目
- 加深对模型量化、蒸馏等轻量化技术的理解，练习使用推理框架优化性能
面试指南
- 对于项目经验问题，采用STAR法则：描述背景、任务、行动和结果，突出技术难点和量化成果
- 对于技术原理问题，先给出核心定义，再结合实际案例说明，体现深度和广度
- 对于开放性问题，展示学习能力和成长思维，结合岗位要求说明自己的匹配度
- 请详细介绍一个你主导的大模型项目，包括数据准备、模型选择、训练优化和部署
- 在处理不平衡数据或小样本场景时，你会如何优化模型？
- 解释RAG的工作原理，并讨论常见挑战（如检索质量、幻觉问题）及解决方法
- 如何评估LLM推理服务的性能？你会采用哪些策略来降低延迟和提高吞吐量？
- 你对职业发展有什么规划？如何保持技术更新？
职位点评
66
综合评分
前沿AI大模型研发岗，技术成长空间大，薪资竞争力强，但WLB一般。
更适合这类人
适合追求技术成长、愿意投入前沿领域且不介意现场办公的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利70
成长发展85
工作生活50
使命价值60
薪资福利
70中等
薪资在沈阳属于中上水平，但JD未明示具体福利，整体稳定性和外资背景对薪资有保障。
薪资信号未披露（AI估算：15K-25K/月）
成长发展
85较高
职位涉及前沿大模型技术，团队内部有培训和知识分享，能参与国际项目，成长空间大。
技术前沿前沿/新兴技术
技术栈LLM、RAG、Agent、LangChain、vLLM、TensorFlow、PyTorch
成长机会内部培训
业务类型profit_center
工作生活
50较低
默认现场办公，沈阳基地可能位于工业园区，通勤一般；JD未提及弹性工作或加班情况。
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
60中等
汽车行业智能制造AI有一定社会价值，但JD未强调使命感或行业影响力。
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
Watch Jobs