德科斯米尔
Industrial Engineering ES
Industrial Engineering ES
发布于 1 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
Prompt Engineering
Pytorch
Rag
Tensorflow
Vllm
值不值得投
74综合评分
综合评分 74
前沿大模型技术栈、跨国平台背书、沈阳基地办公、侧重技术落地与工艺优化
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便横向比较。
薪资怎么样
2.4万
与机器学习工程中位数基本持平
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 200 个在招 · 其中机器学习工程 18 个
市场机会
选择适中
沈阳 · 机器学习工程 · 18 个在招
职位详情
关于这个职位
该职位主要负责大语言模型（LLM）及相关AI算法的设计、开发与落地应用
候选人需精通Python及主流深度学习框架，具备数据挖掘、模型训练优化及推理加速能力，并负责构建基于LangChain等工具的企业级AI应用系统，同时参与模型全生命周期管理及内部技术赋能
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
计划和实现现有产品和新产品的生产工艺
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
- 聚焦前沿的大模型技术栈，技术含量高且具备行业领先性
- 跨国企业背景，提供稳定的职业平台和国际化视野
- 有机会接触实际工业场景，实现技术与业务的深度融合
- 对英语工作能力有明确要求，需适应跨文化沟通环境
- 具备扎实AI算法功底，对大模型应用有热情，且希望将技术应用于实体产业（如汽车制造）的中高级技术人员
缺点 / 挑战
- 需要平衡算法研发与生产工艺优化的双重职责，可能面临传统制造业数字化转型的挑战
角色解读
- 可向AI架构师、首席科学家或技术专家方向发展，也可转向AI项目管理或技术负责人角色，负责更大规模的AI战略落地
- 专注于大语言模型（LLM）及相关AI算法的研发与企业级应用落地，包括模型训练、微调、推理优化及Prompt工程设计
- 精通Python及主流深度学习框架（PyTorch/TensorFlow），深入理解NLP、RAG、Agent技术，具备模型量化蒸馏及推理加速能力
申请策略
- 准备1-2个完整的AI项目案例，详细说明从数据准备、模型选择、训练调优到部署落地的全流程
- 了解德科斯米尔在汽车内饰及线束领域的业务特点，展现技术结合业务的思考
- 突出展示在大模型（LLM）领域的具体项目经验，特别是RAG、Agent、Prompt Engineering及模型推理优化的实战成果
- 强调Python编程能力及数据处理能力
- 加强对LangChain、LlamaIndex等LLM应用开发框架的熟练度
- 深入理解模型量化、蒸馏等轻量化技术
- 提升英语书面及口头沟通能力
面试指南
- 采用STAR法则（情境、任务、行动、结果）描述项目经历
- 重点阐述技术选型的理由、遇到的具体挑战及解决方案、量化的业务价值
- 体现跨部门协作能力和业务思维
- 请详细介绍一个你主导的大模型应用项目，包括技术选型、难点解决及最终效果
- 在构建企业级AI应用时，如何处理数据隐私和安全问题？
- 如何优化LLM的推理速度和成本？请举例说明你使用过的技术手段
- 面对非技术部门的需求，如何将复杂的AI技术转化为可落地的业务解决方案？
- 复习大模型核心原理（Transformer、Attention机制等）及最新进展
职位点评
薪资福利75
成长发展85
工作生活60
使命价值70
薪资福利
75中等
作为跨国巨头企业，提供具有市场竞争力的薪资和完善的福利体系，但在沈阳地区的绝对薪资水平可能略低于一线城市互联网大厂，整体属于市场水准偏上。
薪资信号未披露（AI估算：1.8千–3.0万/月）
成长发展
85较高
职位高度聚焦于前沿的大模型技术（LLM, RAG, Agent），技术栈先进，且涉及模型全生命周期管理，为员工提供了极佳的技术成长空间和行业前沿视野。
技术前沿前沿/新兴技术
技术栈LLM、LangChain、RAG、Agent、vLLM、PyTorch、TensorFlow
成长机会plan and conduct internal and external training、continuing education
业务类型profit_center
工作生活
60中等
工作地点在沈阳，生活成本相对较低，通勤压力较小；但作为制造业相关的工程技术岗位，可能需要配合生产节奏，WLB具体情况需进一步确认，JD未明确提及弹性工作制。
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
通过AI技术优化汽车制造工艺和内饰体验，直接贡献于提升驾驶体验和推动汽车行业的智能化转型，具有一定的社会价值和行业使命感。
行业发展稳定成熟行业
社会影响中性/一般
使命信号enhance your driving experience、automotive innovations
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