德科斯米尔
Industrial Engineering ES
Industrial Engineering ES
发布于 大约 9 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
机器学习工程
Nlp
Pytorch
Rag
Tensorflow
Vllm
大语言模型
机器学习
深度学习
AI 估算 · 15k–25k
沈阳外资企业AI算法岗，要求3年+经验，薪资在当地处于中高水平，结合行业竞争力和技能要求估算。
职位详情
关于这个职位
该职位是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，负责构建企业级AI解决方案，包括大模型微调、RAG、Agent等应用落地
你将参与从模型训练到部署的全生命周期管理，并推动LLM技术在业务场景中的实际应用
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
- 外资企业平台大，福利完善，工作稳定
- 接触前沿的大模型技术，技术栈新
- 工作内容涵盖从算法到工程落地，成长全面
- 职位要求高，需要同时具备算法和工程能力，难度较大
- 沈阳AI产业氛围不如一线，技术交流机会可能较少
- 可能需要承担内部培训、流程制定等非技术职责，角色复合
- 适合有3年以上AI算法经验，喜欢技术深耕且追求稳定、平衡生活的工程师
缺点 / 挑战
- 地点在沈阳，生活成本低，竞争压力相对一线城市小
角色解读
- 从算法工程师向高级算法专家或技术负责人发展
- 深入大模型和AI应用领域，成为企业级AI解决方案架构师
- 有机会参与国际项目，跨部门协作，积累管理经验
- 负责机器学习、深度学习、NLP算法的设计与开发，构建定制化AI解决方案
- 进行数据挖掘、特征工程、模型训练与调优，提升模型性能
- 探索并落地大语言模型在对话、知识图谱、推荐等场景的应用
- 管理AI模型从训练到部署的全生命周期，优化推理性能
- 扎实的数学基础，熟悉线性代数、概率统计和优化理论
- 精通Python，熟悉Pandas、Scikit-learn等工具
- 掌握至少一种深度学习框架（TensorFlow/PyTorch/MindSpore）
- 具备大模型应用开发经验，熟悉LangChain、RAG、Agent等
申请策略
- 了解德科斯米尔的汽车业务，思考AI在工业工程中的应用场景
- 准备中英文双语简历，面试可能包含英文环节
- 突出AI项目的完整经历，尤其是从算法设计到落地的案例
- 强调大模型相关经验（如微调、RAG、Agent）和具体成果
- 体现编程能力和数学功底，可列举开源项目或技术博客
- 展示英语能力，毕竟英语是工作语言
- 补充大模型应用开发工具链（LangChain、LlamaIndex、vLLM）
- 深入学习模型轻量化技术（量化、蒸馏）
面试指南
- STAR法则：描述情境、任务、行动、结果，量化成效
- 技术问题采用“原理-方案-实践”的结构，先解释原理，再给出方案，最后用实例支撑
- 对业务理解问题，结合公司行业特点，展示跨领域思考
- 请介绍一个你主导的AI项目，包括算法选型、模型训练和部署过程
- 在大模型应用中，如何解决RAG的召回准确率问题？
- 如何优化LLM推理延迟和吞吐量？用过哪些框架？
- 为什么选择加入汽车零部件行业的AI岗位？对工业工程有什么理解？
- 英语自我介绍或技术讨论
职位点评
73
综合评分
外资汽车企业AI算法岗，技术前沿薪资中上，WLB未明确但相对稳定。
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、喜欢前沿AI应用的求职者，同时能接受稳定但略显传统的制造业环境。
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85
工作生活60
使命价值65
薪资福利
75中等
该职位为外资大型企业，福利较完善，稳定性好，但薪资未明确披露，参考沈阳市场水平估算为中等偏上。
薪资信号未披露（AI估算：15K-25K/月）
成长发展
85较高
岗位涉及大模型等前沿技术，提供内外部培训机会，技术成长空间大，有利于职业纵深发展。
技术前沿前沿/新兴技术
技术栈Python、PyTorch、TensorFlow、NLP、大语言模型、LangChain、RAG、vLLM、机器学习、深度学习
成长机会内部及外部培训
业务类型ambiguous
工作生活
60中等
工作地点在沈阳，生活成本较低，但JD未提及弹性工作或WLB政策，需要现场办公，灵活性一般。
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
65中等
汽车制造行业成熟稳定，AI在工业场景的应用具有创新价值，但社会影响力相对中性。
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
德科斯米尔 的其他在招职位
相似职位推荐
Watch Jobs