德科斯米尔
Industrial Engineering ES
Industrial Engineering ES
发布于 2 天前普通员工/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
Nlp
Pytorch
Tensorflow
大语言模型
数据挖掘
机器学习
深度学习
AI 估算 · 15k–25k
沈阳AI算法工程师薪资受城市影响低于一线，但AI技能稀缺，3年经验外资企业给予中等偏上薪资。
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、深度学习和大语言模型（LLM）的算法设计与开发
您将负责从数据挖掘、模型训练到部署的全流程，参与构建企业级AI应用系统，推动AI技术在汽车工业场景中的落地
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
具备至少3年AI算法研发或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
- 深度接触前沿AI技术（大模型、RAG、Agent），技术积累快
- 外资企业平台，流程规范，有内部培训和跨国协作机会
- 沈阳生活成本较低，薪资在本地有竞争力
- 需要独立负责算法全流程，对综合能力要求高
- 职位涉及英文汇报和培训，需要良好的语言能力
- 适合有3年以上AI算法经验，热衷于大模型和NLP技术，希望在外资企业稳定发展并兼顾生活性价比的工程师
缺点 / 挑战
- 汽车行业AI应用落地周期较长，可能面临技术转化压力
角色解读
- 技术路线：从AI算法工程师进阶为高级算法专家或首席科学家，深耕NLP或大模型方向
- 管理路线：可向技术主管或项目经理发展，负责AI团队管理和项目交付
- 跨界发展：结合工业工程背景，向智能制造、工业AI等复合领域转型
- 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
- 探索大规模语言模型在对话系统、知识图谱等场景的应用，推动企业级落地
- 参与AI模型全生命周期管理，从数据挖掘、训练到部署优化，确保生产环境稳定性
- 协调内部团队和外部资源，制定技术标准与流程，并承担培训工作
- 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
- 至少精通一种深度学习框架（TensorFlow/PyTorch/MindSpore），具备3年以上AI算法经验
- 熟悉大模型应用技术栈，包括LangChain、LlamaIndex、RAG、Agent等
- 良好的英语沟通能力，能作为工作语言
申请策略
- 熟悉德科斯米尔业务（汽车线束和内饰），思考AI如何应用于智能制造
- 准备一段英文自我介绍和项目陈述，展示沟通能力
- 突出至少2个完整AI项目的算法设计、开发与落地经验，注明个人贡献
- 强调大模型相关项目（如对话系统、RAG应用）的技术细节和成果
- 列出掌握的深度学习框架和数据处理工具，以及数学基础（如有论文或竞赛）
- 体现英语能力，如CET-6、雅思成绩或外企工作经历
- 复习大模型技术栈：LangChain、LlamaIndex、vLLM等工具链
- 强化模型轻量化技术（量化、蒸馏）和推理优化
面试指南
- STAR法则：情境、任务、行动、结果，量化你的贡献
- 技术面试中，先讲思路再讲细节，体现系统化思考
- 对于开放性问题，结合公司业务（汽车制造）给出具体场景
- 请介绍一个你主导的AI项目，从数据准备到部署的全流程
- 你对大模型在工业场景中的应用潜力怎么看？
- 如何优化LLM推理性能？请举例说明
- 你是如何处理数据不平衡问题的？
- 请用英语描述一个你解决的技术难题
职位点评
66
综合评分
外资汽车AI岗，前沿技术栈，发展空间大，但工作模式偏传统，WLB一般。
更适合这类人
适合追求技术成长和前沿领域，对工作地点灵活性要求不高的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利65
成长发展90
工作生活50
使命价值60
薪资福利
65中等
薪资中等偏上，福利未明确，整体补偿性一般。
薪资信号未披露（AI估算：15K-25K/月）
成长发展
90较高
技术前沿（大模型、深度学习），有培训和内部晋升机会，发展性很好。
技术前沿前沿/新兴技术
技术栈机器学习、深度学习、NLP、大语言模型、RAG、Agent、LangChain、LlamaIndex、vLLM
成长机会内部培训、外部培训、持续教育
业务类型ambiguous
工作生活
50较低
仅现场办公，未提弹性工作，可能加班。
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，AI赋能制造业有一定社会价值，但不直接面向消费者。
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