德科斯米尔
Industrial Engineering ES
Industrial Engineering ES
发布于 大约 17 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)
Llm
Pytorch
Tensorflow
机器学习
Nlp
Scikit-Learn
Vllm
AI 估算 · 15k–30k
AI岗位技能稀缺，沈阳薪资水平中等，合资企业福利较好，综合估算月薪15k-30k。
职位详情
关于这个职位
该职位主要负责AI算法与大规模语言模型（LLM）的研发与应用，包括机器学习、深度学习、NLP等领域的算法设计与优化
您将参与从数据挖掘、模型训练到推理部署的全流程工作，并探索LLM在对话系统、知识图谱等场景的落地
适合具有扎实数学和编程基础、3年以上AI经验的工程师，工作地点在沈阳
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
- 参与前沿LLM技术研发，技能积累快，行业前景好
- 跨国巨头平台，资源丰富，有机会参与国际化项目
- 工作内容涵盖算法全流程，成长空间大
- 涉及子项目管理，需要同时具备技术和协调能力
- 沈阳相比一线城市AI生态较弱，前沿交流机会可能较少
- 适合有3年以上AI经验、热爱技术并希望深入LLM领域、同时愿意承担一定管理协调职责的求职者
缺点 / 挑战
- 要求技术栈广（ML/DL/NLP/LLM），学习压力较大
角色解读
- 技术路线：AI工程师 -> 高级算法专家 -> 首席科学家
- 管理路线：项目负责人 -> 技术经理 -> 研发总监
- 跨领域：从工业工程向AI全栈或AI产品经理发展
- 负责AI算法与LLM的研发，包括模型设计、训练、调优和部署
- 探索LLM在对话系统、知识图谱等场景的落地，推动技术应用
- 管理子项目，协调内外部资源，参与内部标准制定和培训
- 精通Python和至少一种深度学习框架（TensorFlow/PyTorch/MindSpore）
- 扎实的数学基础（线性代数、概率统计、优化理论）
- 掌握LLM相关技术（Prompt Engineering、RAG、模型轻量化）
申请策略
- 了解德科斯米尔在汽车工业的AI应用场景，准备相关案例
- 面试中展示对LLM落地挑战的理解和解决思路
- 突出AI项目经验，尤其是LLM相关（对话、RAG、微调等）
- 强调数学基础、编程能力（Python、框架使用）
- 展示项目管理或协调经验（如带领子项目）
- 学习LangChain、LlamaIndex等LLM工具链
- 熟悉模型量化、蒸馏等轻量化技术
- 提升英语能力（工作语言）
面试指南
- 使用STAR法则（情境、任务、行动、结果）描述项目经验
- 结合具体技术细节（如vLLM、量化工具）说明优化过程
- 强调业务理解和技术落地的平衡
- 请描述一个你主导的LLM项目，包括技术选型、挑战和成果
- 如何优化LLM的推理延迟和吞吐量？
- 介绍一下RAG架构及其在工业场景中的应用
- 你对模型量化和蒸馏的理解，哪些场景适用？
- 如何管理一个跨部门的AI项目？
职位点评
62
综合评分
前沿AI技术研发岗，成长空间大，但WLB一般，薪资中等。
更适合这类人
适合注重技术成长和项目经验的求职者，对薪资和WLB要求不高。
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85
工作生活40
使命价值60
薪资福利
65中等
该职位薪资处于沈阳中高水平，但未明确具体薪资，福利仅基于传统制造企业常规，补偿性一般。
薪资信号未披露（AI估算：15K-30K/月）
成长发展
85较高
职位涉及前沿LLM技术，技能成长空间大，有培训机会和项目管理经验，发展性较好。
技术前沿前沿/新兴技术
技术栈LLM、深度学习、NLP、RAG、Agent、量化、蒸馏
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
40较低
沈阳生活成本较低，但未明确WLB，可能需加班，现场办公，灵活性差。
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，但工业工程+AI结合有一定社会价值，但使命感不强。
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