德科斯米尔
Industrial Engineering ES
Industrial Engineering ES
发布于 大约 2 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
工业工程
Llm
Nlp
Pytorch
Rag
Tensorflow
工业工程
机器学习
生产工艺
AI 估算 · 15k–25k
沈阳地区AI算法工程师薪资水平，结合3年经验及大模型技能，月薪约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工厂的工业工程专家，主要负责规划与实现新产品和现有产品的生产工艺，同时深度参与AI算法（机器学习、深度学习、NLP）及大模型（LLM）应用的设计与落地，并负责相关内部标准制定与培训
适合具备扎实数学和编程基础、有AI项目经验且愿意在制造业场景中应用前沿技术的工程师
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、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（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
- 德科斯米尔是跨国巨头，平台稳定，可接触汽车行业前沿技术
- 职位涉及AI与工业工程结合，技术含量高，有较大成长空间
- 工作内容涵盖大模型、RAG等热门技术，紧跟行业趋势
- 工作地点在沈阳，相比一线城市，AI技术氛围和机会可能较少
- 适合有AI算法或大模型经验，希望进入汽车制造行业，并愿意在沈阳长期发展的工程师
缺点 / 挑战
- 需要同时兼顾工业工程和AI算法，对综合能力要求较高
- 英语作为工作语言，对语言能力有较高要求
角色解读
- 可向AI算法专家或大模型架构师方向发展，深入技术研究
- 可转向工业工程与AI结合的管理岗位，如智能制造项目负责人
- 有机会参与国际项目，积累跨国企业经验，提升职业竞争力
- 负责生产工艺的规划与实现，同时将AI技术应用于工业场景，如质量预测、流程优化
- 设计并开发机器学习、深度学习及NLP算法，构建定制化AI解决方案
- 探索并落地大语言模型（LLM）在对话、知识图谱、内容生成等场景的应用
- 管理AI模型全生命周期，包括训练、调优、部署与维护
- 扎实的数学基础，精通Python及Pandas、Scikit-learn等数据处理工具
- 熟练掌握至少一种深度学习框架（TensorFlow、PyTorch、MindSpore）
- 熟悉LLM相关技术，如RAG、Agent、LangChain、vLLM等
- 具备3年以上AI算法或大模型应用开发经验，英语可作为工作语言
申请策略
- 了解德科斯米尔公司业务和沈阳工厂情况，展示对汽车行业的兴趣
- 准备项目案例，重点说明如何将AI技术落地到实际业务场景
- 突出AI项目经验，特别是大模型应用、RAG、Agent等方向
- 强调Python编程能力和深度学习框架的使用经验
- 展示工业工程相关背景或对制造业的理解
- 突出英语能力，如有相关证书或海外经验
- 补充大模型相关工具链，如LangChain、vLLM、Ollama等
- 学习工业工程基础知识，如生产工艺、流程优化
面试指南
- 使用STAR法则（情境、任务、行动、结果）回答项目经验问题
- 对于技术问题，先阐述原理，再结合项目实例说明
- 对于场景应用问题，强调业务理解和技术落地的结合
- 请介绍一个你主导的AI项目，包括技术选型和落地效果
- 如何优化LLM推理性能？你使用过哪些框架？
- 如何构建RAG系统？如何处理知识库的更新和检索质量？
- 你如何将AI技术应用于工业工程场景？
- 你如何平衡模型准确率和实时性要求？
职位点评
70
综合评分
跨国汽车零部件企业，AI技术前沿，成长空间大，但工作地点在沈阳，生活便利性一般。
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、愿意在制造业深耕的求职者。
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70
薪资福利
70中等
跨国企业提供稳定平台，薪资处于市场中等水平，但福利未明确。
薪资信号未披露（AI估算：15K-25K/月）
成长发展
85较高
职位涉及AI前沿技术，有明确的培训和发展机会，成长空间大。
技术前沿前沿/新兴技术
技术栈Python、TensorFlow、PyTorch、NLP、LLM、RAG、LangChain、vLLM
成长机会内部培训、外部培训
业务类型ambiguous
工作生活
50较低
工作地点在沈阳，可能远离一线城市，且未提及弹性工作，生活便利性一般。
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
70中等
汽车行业稳定，但社会影响力一般，AI应用有创新性。
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
Watch Jobs