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
中级经验
全职员工
仅现场办公
本科
研究与开发 (研发)
Llamaindex
Llm
Mindspore
Nlp
Ollama
Pytorch
Rag
Scikit-Learn
Tensorflow
AI 估算 · 15k–25k
沈阳AI算法岗，3年经验+大模型技能，市场竞争力较强，薪资中等偏上。
职位详情
关于这个职位
该职位是德科斯米尔在沈阳的AI算法工程师岗位，专注于机器学习、深度学习、NLP及大语言模型（LLM）的算法设计与开发
您将负责从数据挖掘、特征工程到模型训练、优化及部署的全流程，并探索LLM在对话系统、知识图谱等场景的应用，推动AI技术在企业级生产环境落地
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算法研发或大模型应用开发经验
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
- 接触前沿大模型技术（LLM、RAG、Agent），技能积累快，行业前景广阔
- 外资企业，工作流程规范，有机会参与国际项目，提升英语能力
- 沈阳生活成本较低，薪资在当地有竞争力，工作稳定性高
- 技术栈更新快，需要持续学习，对自学能力要求高
- 岗位可能涉及工业现场应用，需理解复杂的生产流程，跨部门协作多
- 职业生涯初期可能侧重于执行，创新空间取决于公司文化
- 适合对AI算法有浓厚兴趣，尤其关注大模型和NLP方向，具备较强数学和编程功底，希望在制造业AI领域深耕的求职者
缺点 / 挑战
暂无明显挑战项
角色解读
- 技术路线：从算法工程师晋升为资深算法专家或首席科学家，深入大模型领域
- 管理路线：可转向技术团队管理，担任AI团队负责人或技术总监
- 跨领域发展：结合工业工程背景，向智能制造、数字化转型专家方向发展
- 负责机器学习、深度学习、NLP等算法的设计与开发，构建面向业务场景的定制化AI解决方案
- 探索大语言模型（LLM）在对话系统、知识图谱等场景的应用，推动大模型技术落地
- 管理AI模型从训练到部署的全生命周期，确保生产环境中的稳定性与高性能
- 参与内部培训、标准制定及子项目管理，促进专业领域知识共享
- 扎实的数学基础（线性代数、概率统计、最优化）和Python编程能力
- 熟练掌握至少一种深度学习框架（TensorFlow、PyTorch、MindSpore）
- 熟悉NLP、LLM相关技术（LangChain、RAG、Agent等）及推理优化（量化、蒸馏）
- 具备3年以上AI算法或大模型开发经验，独立主导过至少2个AI项目
申请策略
- 了解德科斯米尔在汽车电子和智能制造领域的业务，在面试中结合公司场景展示方案
- 准备一个完整的大模型项目案例，从需求分析到落地，包括遇到的挑战和解决思路
- 突出3年以上AI算法经验，列出主导的2个以上AI项目的具体成果（性能提升、落地效果）
- 强调大模型相关经验，包括LLM微调、RAG、Agent等，附上GitHub或技术博客链接
- 展示数学基础，如在线性代数、概率统计方面的课程或项目
- 注明英语水平（如CET-6、雅思等），以及跨文化协作经历
- 补充LangChain、LlamaIndex、vLLM等大模型工具链的实战经验
- 学习模型轻量化技术（量化、蒸馏）和推理优化，提升部署能力
面试指南
- 对于项目类问题，采用STAR法则：背景-任务-行动-结果，突出量化成果
- 对于技术类问题，先给出定义，再结合具体工具或框架说明，最后补充实际经验
- 对于场景题，先分析需求，再提出方案框架，最后讨论潜在问题和优化方向
- 请简述一个你主导的AI算法项目，包括技术选型、模型优化和部署过程
- 你对大语言模型的微调方法有哪些了解？请比较不同方法的优缺点
- 如何优化LLM的推理速度？请举例说明量化或蒸馏的具体做法
- 在工业场景中应用AI，你认为最大的挑战是什么？如何应对？
- 请解释RAG的原理，并设计一个基于RAG的客服系统架构
职位点评
71
综合评分
沈阳外资AI算法岗，技术前沿、薪资中上，但现场办公且WLB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
最适合追求技术成长、喜欢前沿技术、能接受现场办公环境的求职者。
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90
工作生活50
使命价值65
薪资福利
70中等
薪资水平在沈阳属中上，外资企业提供五险一金等福利，但JD未明确薪资具体数额，稳定性较好。
薪资信号未披露（AI估算：15K-25K/月）
成长发展
90较高
岗位涉及前沿大模型技术，提供培训与国际合作机会，技能成长空间大，晋升路径清晰。
技术前沿前沿/新兴技术
技术栈LLM、RAG、Agent、NLP、深度学习、机器学习
成长机会培训、持续教育、内部标准制定
业务类型profit_center
工作生活
50较低
沈阳现场办公，未提及弹性工时或远程，可能需适应工厂环境，WLB一般。
工作模式仅现场办公
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
汽车行业智能制造赛道稳定成长，AI应用有实际社会价值，但JD未强调使命感。
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