德科斯米尔
Industrial Engineering ES
Industrial Engineering ES
发布于 3 天前普通员工/个人贡献者
全职员工仅现场办公算法优化工程师
算法优化工程师
Nlp
Prompt Engineering
Pytorch
Rag
Tensorflow
大语言模型(Llm)
模型部署
深度学习
算法设计
值不值得投
68综合评分
综合评分 68
汽车制造企业的AI算法岗，技术栈前沿、实践性强，成长空间大，但工作模式和WLB需进一步确认。
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
20K
比算法优化工程师中位数低
发布情况
新岗位 · 2 天前发布
公司情况
这家公司招聘很活跃
83 个在招
职位详情
关于这个职位
这是一个在汽车零部件制造企业中，负责AI算法研发与应用的职位
核心工作是利用机器学习、深度学习技术，特别是大语言模型(LLM)，为企业特定业务场景（如对话系统、知识图谱、内容生成等）设计并构建定制化的智能解决方案，并负责从模型开发到生产部署的全生命周期管理
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
计划和实现现有及新产品的生产工艺
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，提升模型性能
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
设计并实现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
熟悉数据处理技术及工具，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，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
完成AI模型从训练、调参、测试到部署的全生命周期管理
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
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
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
- 技术前沿性强，直接接触和应用LLM等最新AI技术
- 工作成果导向明确，需要解决企业真实业务问题，能快速积累行业+AI的复合经验
- 在传统制造业推动AI创新，能获得独特的跨领域视角和项目经验
- 工作职责广泛，从算法开发到项目管理、内部培训均有涉及，对综合能力要求高
- 部分职责描述（如生产工艺规划）与AI算法核心工作关联度存疑，需在面试时明确具体工作重心
- 适合既想深入AI技术（特别是大模型）前沿，又希望技术能直接应用于实体产业、看到明确业务价值的工程师
- 需要具备较强的独立工作、项目推动和跨部门沟通能力
缺点 / 挑战
- 需要在制造业环境中推动AI应用，可能面临与传统生产流程融合的挑战
角色解读
- 可以深耕AI算法工程师路径，成为企业内特定领域的AI技术专家
- 也可向技术管理方向发展，负责AI团队或项目的整体规划与落地
- 积累的行业经验（汽车制造+AI）将是独特优势
- 你将作为汽车制造企业的AI专家，负责将前沿的大语言模型等AI技术落地到实际业务场景中，解决具体问题
- 工作涵盖从数据处理、模型训练、调优到最终部署上线的完整链条，同时需要参与项目管理和技术文档编写
- 你需要扎实的数学和算法基础，精通Python及主流深度学习框架
- 核心技能是大语言模型(LLM)的应用开发，包括RAG、Agent、Prompt Engineering等，并需要具备将模型工程化部署和优化的能力
申请策略
- 在申请前，可以尝试了解德科斯米尔在智能制造或工业AI方面的公开信息，理解AI技术可能应用的场景
- 面试时主动沟通职位描述中“生产工艺规划”与“AI算法开发”职责的比重和具体工作内容，确保与个人职业规划匹配
- 重点突出参与的AI项目，尤其是涉及大模型(LLM)、NLP、深度学习算法设计、开发与部署的完整经验
- 详细描述数据处理、特征工程、模型调优等具体技术操作和取得的量化成果
- 体现项目管理和跨团队协作的经验，如有参与内部培训或技术分享也可列出
- 系统梳理和深化对大语言模型(LLM)相关技术栈的理解，如Transformer架构、RAG、LangChain/LlamaIndex等工具链
- 回顾并巩固机器学习算法、深度学习框架(Python)、数据处理工具的核心知识
- 准备一个从数据到部署的完整AI项目案例，能够清晰讲述每个环节的技术选择和思考
面试指南
- 回答项目问题时，采用STAR法则：情境(Situation)、任务(Task)、行动(Action)、结果(Result)，重点突出技术决策和量化效果
- 回答技术问题时，遵循“原理-方法-实践-优化”的框架，先解释基本概念，再说明实现方法，结合实际经验，最后讨论优化方向
- 回答行业应用问题时，结合AI技术特点（如数据驱动、模式识别）与制造业需求（如提质增效、智能运维）进行关联分析
- 请介绍一个你主导的、涉及大模型或深度学习算法的AI项目，你在其中承担了什么角色？具体解决了什么问题？
- 如何设计和优化一个RAG（检索增强生成）系统以提高回答的准确性和相关性？
- 在将一个训练好的AI模型部署到生产环境时，你会考虑哪些性能、稳定性和延迟方面的问题？
- 对于将LLM技术应用在汽车制造这样的传统行业，你认为可能有哪些挑战和机遇？
- 你如何理解Prompt Engineering？请结合一个实例说明其作用
职位点评
薪资福利65
成长发展90
工作生活40
使命价值70
薪资福利
65中等
作为跨国企业的正式岗位，通常能提供稳定的薪酬和福利体系，但JD未明确薪资和具体福利，需在面试中确认。
薪资信号未披露（AI估算：15K-25K/月）
成长发展
90较高
职位直接涉及大语言模型、深度学习等前沿AI技术的研发与落地，技术挑战性强，能提供显著的技能成长空间。
技术前沿前沿/新兴技术
技术栈大语言模型(LLM)、深度学习、自然语言处理(NLP)、Python、PyTorch、TensorFlow、RAG、LangChain、LlamaIndex、vLLM
成长机会规划并实施复杂主题的内部及外部培训、识别公司内部本领域持续教育需求
业务类型ambiguous
工作生活
40较低
JD未提及任何办公模式或工作时间相关信息，但汽车制造业通常强调现场办公，对WLB的满足程度难以判断。
工作模式未明确
办公地点工厂/生产基地
加班情况未提及（无法判断）
使命价值
70中等
将先进的AI技术应用于传统制造业的生产流程优化，具有将创新技术转化为实际生产力的社会价值，但行业本身的使命感光环不强。
行业发展稳定成熟行业
社会影响中性/一般
使命信号计划和实现现有产品和新产品的生产工艺
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