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
全职员工仅现场办公机器学习工程
机器学习工程
Llm
Nlp
Ollama
Pytorch
Rag
Tensorflow
Tgi
Vllm
数据挖掘
值不值得投
50综合评分
综合评分 50
前沿AI岗位，技术成长空间大，但工作地点和生活方式存在不确定性。
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。
薪资怎么样
16K
比机器学习工程中位数低
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 180 个在招 · 其中机器学习工程 2 个
市场机会
选择不多
沈阳 · 机器学习工程 · 3 个在招
职位详情
关于这个职位
该职位实际为AI算法工程师，负责机器学习、深度学习、NLP及大语言模型（LLM）应用开发，包括模型训练、微调、推理优化及RAG/Agent等企业级AI解决方案落地
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，Llamalndex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
- 涉及大模型等前沿技术，技术含金量高，有利于技能积累
- 公司为跨国汽车零部件巨头，工作环境国际化
- 职责包含培训与标准化，可锻炼综合能力
- 参与企业级AI落地项目，业务场景丰富
- 职位标题与内容不匹配，需明确实际工作方向
- 工作地点在沈阳，AI岗位机会相对一线城市较少
- 适合具有3年以上AI算法经验、愿意深耕大模型技术并接受沈阳工作地点的工程师
缺点 / 挑战
- 要求较高，需同时掌握算法、工程与部署能力
- 需要同时处理多个任务，可能面临较高复杂度
角色解读
- 可从算法工程师向高级算法专家或技术负责人发展
- 随着大模型应用普及，具备LLM工程经验者职业前景广阔
- 可转向AI产品、技术管理或行业解决方案等方向
- 负责机器学习、深度学习、NLP的算法设计与开发，构建定制化AI解决方案
- 探索大语言模型在对话系统、知识图谱、内容生成等场景的应用，推动落地
- 优化模型推理性能，实现量化、蒸馏等轻量化技术，并管理模型全生命周期
- 参与RAG、Agent等大模型工程化，支撑企业级AI应用
- 精通Python，掌握Pandas、Scikit-learn等数据处理工具
- 熟练使用TensorFlow、PyTorch等深度学习框架
- 理解LLM原理，有RAG、微调、推理优化经验
- 扎实的数学基础（线性代数、概率统计）及英语工作能力
申请策略
- 投递前确认职位实际职责，避免标题与内容误配
- 准备能体现技术深度的作品集或GitHub链接
- 突出3年以上AI算法或大模型应用项目经验
- 详细描述2个完整AI项目的算法设计、开发与落地成果
- 强调Python、PyTorch/TensorFlow等技能，以及LLM相关项目
- 展示英语能力，如有英文文档或国际会议经历
- 补充LangChain、LlamaIndex等大模型应用框架知识
- 了解vLLM、Ollama等推理框架和量化蒸馏技术
面试指南
- 用STAR法则描述项目：背景、任务、行动、结果
- 对于技术问题，先讲原理再结合实践案例
- 强调对业务场景的理解和模型落地的思考
- 请介绍一个你主导的AI项目，包括算法选型和落地效果
- 如何优化大模型推理性能？你用过哪些技术？
- 解释一下RAG的原理和适用场景
- 你如何处理过不平衡数据？特征工程怎么做？
- 如何将大模型应用到具体业务？请举例
职位点评
薪资福利50
成长发展75
工作生活40
使命价值60
薪资福利
50较低
职位未提及薪资、福利等信息，补偿性动机满足程度中等偏低。
薪资信号未披露（AI估算：12K-20K/月）
成长发展
75中等
职位涉及大模型等前沿技术，且JD提到持续教育和内外培训，发展性动机满足较好。
技术前沿前沿/新兴技术
技术栈Python、TensorFlow、PyTorch、LLM、NLP、RAG、AI Agent、LangChain、vLLM、Ollama、TGI
成长机会持续教育、培训
业务类型ambiguous
工作生活
40较低
JD未提及工作模式、假期等，生活化动机满足程度有限。
工作模式未明确
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
汽车行业成熟稳定，但AI应用具有创新性，社会意义一般。
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