DRAXLMAIER logo
德科斯米尔
Industrial Engineering ES

Industrial Engineering ES

发布于 1 小时前

普通员工/个人贡献者

AI 估算 · 1.5–2.5万 · AI 参考估算
中级经验
本科
全职员工仅现场办公AI算法
AI算法
Llm
Machine Learning
Nlp
Pytorch
Tensorflow

值不值得投

73综合评分

综合评分 73

前沿AI技术栈、跨国平台背书、沈阳本地就业、技术成长性强、WLB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

2.0万

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 290 个在招 · 其中AI算法 12 个

市场机会

选择适中

沈阳 · AI算法 · 12 个在招

职位详情

关于这个职位

该职位主要负责机器学习、深度学习及大语言模型(LLM)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

候选人需独立完成数据挖掘、模型训练调优及全生命周期管理,并探索LLM在企业级场景的落地应用

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、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
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

  • 处于AI大模型应用的前沿领域,技术栈先进,成长空间大
  • 跨国企业背景,提供稳定的工作环境和规范的职业发展路径
  • 有机会参与国际项目协作,提升英语能力和全球视野
  • 传统制造业数字化转型需求迫切,AI落地场景丰富
  • 传统行业对AI技术的接受度和落地难度可能高于互联网大厂
  • 需要兼顾算法研发与生产工艺优化,工作内容可能较为杂糅
  • 沈阳地区的AI人才竞争激烈,但高端岗位相对较少,晋升通道可能受限
  • 适合希望在大厂稳定平台下深耕AI技术,且对制造业数字化转型感兴趣的中级算法工程师

缺点 / 挑战

暂无明显挑战项

角色解读

  • 向高级AI算法专家或首席科学家方向发展,深耕前沿AI技术
  • 转向AI技术管理岗位,带领团队进行更大规模的技术攻关
  • 拓展至AI产品经理或解决方案架构师,连接技术与业务需求
  • 负责AI算法(特别是LLM和大模型应用)的设计、开发、训练与部署
  • 将AI技术应用于实际业务场景,如智能推荐、对话系统等,解决具体业务问题
  • 优化模型性能,包括推理加速、模型轻量化及微调策略
  • 参与项目全流程管理,包括需求分析、技术选型、团队协作及内部技术培训
  • 精通Python及主流深度学习框架(PyTorch/TensorFlow)
  • 深入理解机器学习、深度学习及NLP原理,有LLM应用开发经验
  • 具备扎实的数据处理能力,熟悉特征工程、模型评估及优化
  • 良好的英语沟通能力,能够作为工作语言进行文档编写和技术交流

申请策略

  • 准备英文简历,体现国际化背景
  • 面试前研究德科斯米尔的业务方向,思考AI如何赋能其汽车内饰/线束业务
  • 强调自己在复杂问题解决和项目管理方面的能力
  • 突出LLM、NLP相关的实战项目经验,特别是落地案例
  • 强调Python编程能力及深度学习框架的熟练程度
  • 展示在模型优化、推理加速方面的具体成果和数据
  • 提及英语工作能力及跨部门协作经验
  • 深入学习LangChain、LlamaIndex等大模型应用开发工具链

面试指南

  • 使用STAR法则(情境、任务、行动、结果)描述项目经历
  • 重点突出技术选型的合理性、遇到的挑战及解决方案
  • 用具体数据证明项目成果(如准确率提升、延迟降低等)
  • 展现对业务价值的理解和跨团队协作的能力
  • 请介绍一个你主导的LLM应用项目,包括技术选型、难点攻克及最终效果
  • 如何在资源有限的情况下优化LLM的推理速度和成本?
  • 你如何处理非结构化数据以支持大模型的微调?
  • 在跨部门协作中,如何确保AI项目按时交付并满足业务需求?

职位点评

薪资福利70
成长发展85
工作生活60
使命价值75

薪资福利

70中等

跨国制造企业通常提供具有竞争力的薪资和规范福利,但沈阳地区整体薪资水平低于一线城市,故评分中等偏上。

薪资信号未披露(AI估算:1.5千–2.5万/月)

成长发展

85较高

职位涉及LLM、NLP等前沿技术,且要求独立负责项目,技术成长空间大,符合发展性动机。

技术前沿前沿/新兴技术
技术栈LLM、NLP、Deep Learning、LangChain、PyTorch、TensorFlow、RAG、Agent
业务类型profit_center

工作生活

60中等

JD未明确提及弹性工作制或远程办公,且为生产制造型企业,可能偏向现场办公,WLB信号不明确。

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

75中等

通过AI技术创新提升驾驶体验和产品质量,具有一定的社会价值和技术使命感。

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
Watch Jobs