德科斯米尔
Industrial Engineering ES
Industrial Engineering ES
发布于 大约 19 小时前普通员工/个人贡献者
全职员工仅现场办公机器学习工程
机器学习工程
Llm
Nlp
Prompt Engineering
Pytorch
Rag
Tensorflow
机器学习
深度学习
值不值得投
72综合评分
综合评分 72
汽车制造行业的AI算法工程师，技术栈前沿，平台稳定，WLB一般，适合追求技术深度者。
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。
薪资怎么样
15K
比机器学习工程中位数低
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
95 个在招
市场机会
选择不多
沈阳 · 机器学习工程 · 1 个在招
职位详情
关于这个职位
这个职位是德科斯米尔的AI算法工程师，负责机器学习、深度学习和自然语言处理算法的开发与优化，特别是在大语言模型（LLM）的企业级应用中，如对话系统、知识图谱和智能推荐
工作涵盖数据挖掘、模型训练、部署以及项目管理，旨在为汽车制造业务构建定制化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、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
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，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
- 技术栈前沿，涉及LLM、RAG等热门AI领域，能积累先进经验
- 跨国公司平台，提供稳定工作环境和国际化视野
- 工作涵盖算法全流程，从开发到部署，技能提升空间大
- 汽车行业与AI结合，需额外学习领域知识，可能有一定适应期
- 年经验要求对初级求职者有门槛，竞争可能激烈
- 沈阳相较于一线城市，职业机会和薪资水平可能有限
- 适合有扎实AI算法背景、希望将技术应用于工业制造场景、寻求稳定跨国平台且不介意二线城市生活的求职者
缺点 / 挑战
暂无明显挑战项
角色解读
- 技术专家路线：深入LLM和AI应用，成为垂直领域架构师
- 管理路线：积累项目经验后，可转向技术团队负责人或项目经理
- 行业路线：在汽车制造业中，推动AI与工业融合，成为行业AI专家
- 负责机器学习、深度学习和NLP算法的开发与优化，构建企业级AI解决方案
- 专注于大语言模型（LLM）在对话系统、知识图谱等场景的应用，推动技术落地
- 完成数据挖掘、特征工程、模型训练与调优，确保模型性能
- 参与项目管理，协调子项目并监控目标达成
- 扎实的数学基础，包括线性代数、概率统计和最优化理论
- 精通Python编程，熟悉Pandas、Scikit-learn等数据处理工具
- 熟练使用TensorFlow、PyTorch等深度学习框架
- 具备AI项目经验，特别是大模型应用开发，以及良好的英语沟通能力
申请策略
- 研究德科斯米尔公司和汽车行业的AI趋势，在面试中体现针对性
- 准备具体案例，描述如何解决AI项目中的挑战，展示问题解决能力
- 突出Python编程和深度学习框架（如PyTorch）的使用经验，尤其是LLM相关项目
- 强调数学基础和数据处理能力，展示具体项目成果和量化指标
- 列出英语工作能力，如有国际经验或证书可加分
- 深入学习大语言模型技术，如RAG、Agent和LangChain工具链
- 了解汽车制造业的基本知识，展示对行业AI应用的兴趣
- 提升英语口语和书面沟通，以适应工作语言要求
面试指南
- 使用STAR法则（情境、任务、行动、结果）结构化回答项目经验问题
- 技术问题结合理论知识和实际案例，展示深度思考
- 职业规划问题时，强调技术成长和对行业的兴趣，展示长期承诺
- 请描述一个你主导的AI项目，特别是涉及大语言模型的应用经验
- 如何优化LLM的推理性能以降低延迟？
- 谈谈你对RAG（检索增强生成）的理解和实践经验
- 你认为AI技术在汽车制造业中有哪些应用场景？
- 你的职业规划是什么？如何与这个岗位的发展路径匹配？
职位点评
薪资福利70
成长发展85
工作生活60
使命价值65
薪资福利
70中等
该职位提供稳定工作机会，但薪资可能处于市场中等水平，福利未在JD中明确提及。
薪资信号未披露（AI估算：10K-20K/月）
成长发展
85较高
技术栈前沿，涉及LLM等新兴技术，有明确的学习成长信号，但需适应传统行业背景。
技术前沿前沿/新兴技术
技术栈Python、TensorFlow、PyTorch、NLP、LLM、LangChain、RAG、Agent
成长机会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
业务类型ambiguous
工作生活
60中等
办公模式未明确，可能需现场办公；WLB未提及，工作强度未知；沈阳生活成本较低。
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
65中等
汽车制造业稳定，AI应用有一定社会价值，但创新程度一般，使命导向不明显。
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
德科斯米尔 的其他在招职位
相似职位推荐
Watch Jobs