德科斯米尔
Industrial Engineering ES
Industrial Engineering ES
发布于 大约 7 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)
Prompt Engineering
Pytorch
Rag
Tensorflow
大语言模型
机器学习
深度学习
自然语言处理
AI 估算 · 15k–25k
沈阳外资企业，AI算法岗位需求大，3年经验薪资有竞争力。
职位详情
关于这个职位
该职位是德科斯米尔（沈阳）的AI算法工程师，专注于机器学习、深度学习和自然语言处理领域的算法设计与开发
你将负责构建面向业务场景的定制化AI解决方案，包括大语言模型（LLM）的应用落地、模型优化与部署
同时，你将参与子项目管理、内部标准制定以及培训工作，是一个技术深度与广度兼具的岗位
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
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
- 岗位技术含量高，涉及当前最热门的大模型和AI前沿技术，有助于提升个人技术竞争力
- 外资企业平台，全球视野，有机会参与国际项目和技术交流
- 职责中包含培训和标准制定，能锻炼技术领导力和沟通能力
- 沈阳生活成本相对一线城市低，但薪资有竞争力，性价比高
- 需要独立负责项目全流程，对自驱力和问题解决能力要求高
- 技术更新快，需持续学习以保持知识前沿
- 部分职责涉及管理和协调，可能需要兼顾技术与沟通，工作内容较为综合
- 适合有3年以上AI算法经验、热爱技术、希望在外资企业环境中从事前沿技术研发，同时愿意承担一定项目管理职责的求职者
缺点 / 挑战
暂无明显挑战项
角色解读
- 在AI算法领域深耕，成为大模型或NLP方向的专家
- 向技术管理方向发展，带领团队负责更大规模的项目和产品落地
- 横向扩展至工业工程或智能制造领域，结合AI推动传统行业数字化转型
- 设计和开发机器学习、深度学习及NLP算法，构建定制化AI解决方案
- 探索大语言模型在对话、知识图谱、内容生成等场景的应用，推动企业级落地
- 优化模型推理性能，使用量化、蒸馏等技术实现模型轻量化，并管理模型全生命周期
- 担任技术联络人，参与内部培训、标准制定和子项目管理
- 扎实的数学基础：线性代数、概率统计、最优化理论
- 精通Python及数据处理工具（Pandas、Scikit-learn），熟悉TensorFlow/PyTorch等框架
- 熟悉大模型相关技术：Prompt Engineering、RAG、Agent、模型微调与推理优化
- 至少3年AI算法开发经验，独立主导过至少2个AI项目，英语可作为工作语言
申请策略
- 了解德科斯米尔的业务（汽车零部件和智能制造），思考AI如何应用于工业场景
- 在求职信中体现对外资企业文化的适应性和对技术创新的热情
- 突出参与的AI项目经验，尤其是主导或核心贡献的项目，描述具体成果和技术难点
- 强调大模型相关经验，如LLM微调、RAG、Prompt Engineering等
- 列出掌握的编程语言、框架和工具，特别是Python、TensorFlow、PyTorch、LangChain等
- 展示英语能力，如有海外经历或英文工作环境经验，务必提及
- 如果对大模型落地经验不足，可以学习LangChain、LlamaIndex等框架，并动手实践RAG和Agent项目
- 补充模型轻量化知识，如量化、蒸馏，了解vLLM、Ollama等推理框架
面试指南
- 用STAR法则（情境-任务-行动-结果）回答项目经验问题，突出个人贡献和技术细节
- 对于技术问题，先给出定义，然后比较不同方案的优劣，并结合实际项目经验说明
- 请介绍一个你独立主导的AI项目，包括问题定义、技术选型、模型效果和落地挑战
- 你对大语言模型（LLM）的微调有经验吗？请说明SFT和RLHF的区别
- 如何优化LLM的推理性能？请列出你熟悉的推理框架和技术
- 在RAG系统中，如何处理检索结果的相关性和多样性？
- 你如何保持对AI前沿技术的持续学习？请举例说明
- 复习机器学习、深度学习基础，特别是Transformer架构和注意力机制
职位点评
69
综合评分
外资车企AI算法岗，技术前沿，成长性好，薪资中等偏上，WLB待确认。
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
该职位最适合追求技术成长和前沿创新的求职者，若看重工作生活平衡则需权衡。
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
外资企业，薪资在沈阳有竞争力，但JD未提及具体福利，稳定性较好。
薪资信号未披露（AI估算：15K-25K/月）
成长发展
85较高
岗位涉及AI前沿技术，有培训职责和内部标准制定，成长空间大。
技术前沿前沿/新兴技术
技术栈机器学习、深度学习、自然语言处理、大语言模型、LLM、RAG、Prompt Engineering、量化、蒸馏
成长机会持续教育、内部培训、外部培训
业务类型ambiguous
工作生活
50较低
仅现场办公，无明确WLB信息，沈阳生活节奏相对舒缓，但岗位可能有项目压力。
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
汽车行业稳定，但AI岗位偏技术实现，社会影响力一般。
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