德科斯米尔
Industrial Engineering ES
Industrial Engineering ES
发布于 大约 8 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
深度学习
AI 估算 · 20k–35k
AI算法岗位，要求3年经验及大模型技能，沈阳地区薪资竞争力较强，结合外企平台，月薪2-3.5万合理。
职位详情
关于这个职位
该职位负责规划并实现新产品及现有产品的生产工艺，同时深度参与AI算法开发，包括机器学习、深度学习、NLP及大语言模型（LLM）应用，构建企业级AI解决方案
你将负责从数据挖掘、模型训练到部署的全流程，并参与内部培训与标准制定
适合具备扎实数学与编程基础、有3年以上AI研发经验的工程师
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
- 跨国巨头企业，平台大，资源丰富，可接触前沿AI技术
- 职位结合工业工程与AI，具有跨领域特色，发展空间大
- 沈阳生活成本较低，薪资竞争力强，性价比高
- 大模型技术迭代快，需持续学习，保持技术前沿
- 英语作为工作语言，对沟通能力有一定要求
- 适合具备3年以上AI算法经验、对工业场景感兴趣、愿意在传统行业推动技术创新的工程师
缺点 / 挑战
- 需同时兼顾工艺规划与AI开发，技能要求复合，工作压力较大
角色解读
- 可向AI算法专家或大模型架构师方向发展，深化技术深度
- 有机会转向工业AI解决方案架构或项目管理岗位，结合业务场景
- 在外企中可积累国际化经验，未来可晋升为技术负责人或团队主管
- 负责AI算法设计与开发，包括机器学习、深度学习和NLP，构建定制化AI解决方案
- 探索LLM在对话系统、知识图谱、内容生成等场景的应用，推动大模型落地
- 优化模型推理性能，参与模型从训练到部署的全生命周期管理
- 参与内部培训、标准制定及子项目管理，兼具技术与管理职责
- 精通Python，熟悉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应用开发，掌握LangChain、RAG、模型微调等技术
- 具备扎实的数学基础（线性代数、概率统计、最优化）
申请策略
- 了解德科斯米尔在汽车线束和内饰领域的业务，思考AI如何赋能
- 准备英文面试，展示跨文化沟通能力
- 突出AI项目经验，特别是算法设计、模型部署和落地效果
- 强调大模型应用经验，如RAG、Agent、微调等
- 展示Python、PyTorch等技能，以及数据处理能力
- 如有工业工程背景，务必突出，体现复合优势
- 学习LangChain、LlamaIndex等大模型工具链
- 熟悉模型量化、蒸馏等轻量化技术
面试指南
- 使用STAR法则：情境、任务、行动、结果，突出量化成果
- 展示技术深度，结合具体工具和框架，说明设计思路
- 强调业务价值，说明如何将技术转化为实际效益
- 请介绍一个你主导的AI项目，从需求到部署的完整过程
- 如何优化LLM推理性能？你使用过哪些框架？
- 如何设计RAG系统？如何处理知识库更新？
- 在工业场景中，如何将AI技术落地并衡量效果？
- 你如何保持技术更新？最近关注哪些新技术？
职位点评
76
综合评分
跨国企业，前沿AI技术，薪资竞争力强，但现场办公且未提及弹性。
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、愿意在稳定平台深耕AI的工程师，对工作弹性要求不高。
表现最好
成长发展
相对薄弱
工作生活
薪资福利75
成长发展90
工作生活60
使命价值70
薪资福利
75中等
跨国企业提供稳定平台和具有竞争力的薪资，但具体福利未在JD中明确。
薪资信号未披露（AI估算：20K-35K/月）
成长发展
90较高
职位涉及前沿AI技术，如大模型、RAG，提供丰富的学习机会和成长空间。
技术前沿前沿/新兴技术
技术栈Python、LLM、LangChain、RAG、PyTorch
成长机会持续教育、培训
业务类型ambiguous
工作生活
60中等
仅现场办公，未提及弹性工作，但沈阳生活成本较低，通勤压力相对小。
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
70中等
汽车行业稳定，但职位未强调社会价值，更多聚焦技术实现。
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