德科斯米尔
Industrial Engineering ES
Industrial Engineering ES
发布于 大约 14 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
Llamaindex
Llm
Mindspore
Nlp
Pytorch
Rag
Scikit-Learn
Tensorflow
Vllm
AI 估算 · 15k–25k
沈阳AI算法岗，3年经验，外企平台，薪资处于当地中高水平，大模型方向有一定溢价。
职位详情
关于这个职位
这是一个专注于AI算法与大规模语言模型应用的技术岗位，工作内容包括机器学习、深度学习、NLP算法设计与开发，以及LLM在对话、推荐、知识图谱等场景的落地
你将负责从数据挖掘、模型训练调优到部署上线的全流程，并参与构建基于LangChain、LLamaIndex等工具的企业级AI应用系统
适合有3年以上经验、对前沿大模型技术有热情的算法工程师
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管理周期管理，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
- 外企巨头，平台稳定，福利制度规范，职业保障性强
- 岗位聚焦大模型和AI前沿技术，技术含量高，有利于个人技能快速积累
- 工作内容涵盖算法开发到部署全流程，能培养全栈式AI能力
- 职位要求全面（算法、工程、大模型），对个人综合能力要求高，可能涉及多线程工作
- 沈阳本地AI生态相对一线城市弱，前沿交流机会较少，需要主动学习
- 适合有3年以上AI经验、热爱技术钻研、希望通过外企平台稳定发展并接触大模型应用的工程师
缺点 / 挑战
- 英语作为工作语言，跨文化沟通和汇报要求较高
角色解读
- 在AI领域深耕，从算法工程师成长为技术专家或架构师，主导大模型应用方案设计
- 可向技术管理方向发展，负责团队和项目协调，逐步承担更多管理职责
- 外企平台提供国际化视野，有机会参与全球项目并接触前沿技术，跨区域发展空间大
- 负责AI算法（机器学习、深度学习、NLP）的设计与开发，针对具体业务场景定制AI解决方案
- 探索和落地大语言模型（LLM）在对话、知识图谱、内容生成、推荐等场景的应用，构建企业级AI系统
- 管理AI模型全生命周期，包括数据挖掘、特征工程、训练调优、部署上线及性能优化
- 扎实的数学基础（线性代数、概率统计、最优化）和Python编程能力
- 熟悉深度学习框架（TensorFlow、PyTorch、MindSpore之一）和数据处理工具（Pandas、Scikit-learn）
- 了解LLM应用技术栈（LangChain、LlamaIndex、vLLM等），具备RAG、Agent等实践经验
- 良好的英语工作能力，能进行技术沟通和文档编写
申请策略
- 了解德科斯米尔在汽车行业的业务，思考AI如何应用于汽车制造或供应链场景，在面试中体现业务理解
- 应聘时强调对技术的热情和持续学习能力，同时展现跨部门协作经验
- 突出2个以上完整AI项目的独立主导或核心参与经历，详细说明算法设计、落地效果和量化指标
- 强调大模型相关经验，如LLM微调、RAG、Agent应用、Prompt Engineering等，列出使用过的框架和工具
- 展示扎实的数学和编程基础，如有论文、开源项目或比赛成绩可加分
- 补充或强化LangChain、LlamaIndex等大模型开发框架的实战经验
- 熟悉vLLM、Ollama等推理优化工具，了解量化、蒸馏等模型轻量化方法
- 提升英语技术文档撰写和口语汇报能力，以适应外企工作环境
面试指南
- 对于项目类问题，采用STAR原则：情境-任务-行动-结果，突出个人贡献和量化成果
- 对于技术方案类问题，先阐述目标，再比较不同方案的优劣，最后给出选型理由和优化思路
- 对于业务结合问题，强调从业务痛点出发，提出可落地的技术方案，并考虑成本与效果
- 请详细讲述一个你主导的AI项目，包括算法选型、挑战和最终效果
- 你如何评估和选择合适的LLM模型？如何设计RAG系统来提升垂直领域回答的准确性？
- 在实际部署中，你如何优化模型的推理速度和吞吐量？具体使用过哪些框架？
- 如何将大模型技术应用到制造业场景中？请给出你的思路
- 你如何保持对AI前沿技术的跟踪？请举例说明
职位点评
72
综合评分
外企AI算法岗，前沿大模型技术栈，薪资中上，现场办公，适合技术驱动型人才
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、热衷前沿AI应用、希望在外企平台稳定发展的求职者。
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85
工作生活60
使命价值65
薪资福利
70中等
外企平台通常提供有竞争力的薪资和福利，但JD未明确具体薪酬，且沈阳整体薪资水平弱于一线，因此补偿性动机满足程度中等偏上。
薪资信号未披露（AI估算：15K-25K/月）
成长发展
85较高
岗位聚焦大模型、LLM等前沿技术，涉及从算法到工程的全流程，能显著提升个人技术栈，发展空间大。
技术前沿前沿/新兴技术
技术栈Python、TensorFlow、PyTorch、NLP、LLM、LangChain、LlamaIndex、vLLM、RAG、Agent
业务类型ambiguous
工作生活
60中等
沈阳现场办公，JD未提及弹性工时或远程，工作模式固定，生活化动机满足一般。
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
汽车行业稳定，但AI应用的社会价值中性，创新程度较高，有一定意义感但不强烈。
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