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
沈阳市
中级经验
全职员工
仅现场办公
本科
机器学习工程
Llm
Mindspore
Nlp
Pytorch
Rag
Scikit-Learn
Tensorflow
Vllm
大模型
AI 估算 · 15k–30k
沈阳AI算法岗位，3年以上经验，跨国巨头，结合行业水平及城市薪资，估算月薪1.5-3万。
职位详情
关于这个职位
该职位主要负责AI算法与大模型应用的研发，包括机器学习、深度学习、NLP等领域，构建面向业务场景的定制化AI解决方案
需要参与数据处理、特征工程、模型训练与优化，并探索LLM在对话系统、知识图谱等场景的落地
适合具备扎实数学基础和Python技能、至少3年AI经验的工程师
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
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
- 技术前沿，聚焦大模型和生成式AI，技能积累价值高
- 跨国巨头，平台稳定，可接触国际化业务和团队
- 职责范围广，从算法到部署全链路，能提升综合能力
- 沈阳本地AI生态相对较弱，技术交流氛围可能不如一线城市
- 适合有3年以上AI经验、热爱前沿技术、愿意在制造业推动智能化转型的工程师
缺点 / 挑战
- 需要同时掌握算法开发和工程部署，对综合能力要求较高
- 作为传统制造业中的AI岗位，可能面临业务融合和落地挑战
角色解读
- 从AI算法工程师向高级算法专家或技术负责人发展，逐步主导核心模型研发
- 可深入大模型垂直领域，成为LLM应用架构师或AI产品专家
- 在汽车等制造业智能化背景下，可转向工业AI解决方案管理岗位
- 设计并开发AI算法，涵盖机器学习、深度学习和NLP，针对具体业务场景定制解决方案
- 负责数据挖掘、特征工程、模型训练与优化，提升模型准确率、泛化能力和实时性
- 探索并落地大语言模型（LLM）在对话、知识图谱、内容生成等场景的应用，构建企业级AI系统
- 管理AI模型全生命周期，包括训练、调参、测试到部署，并参与大模型微调、RAG和Agent适配
- 扎实的数学基础，熟悉线性代数、概率统计和优化理论
- 精通Python，熟悉Pandas、Scikit-learn等数据处理工具
- 掌握至少一种深度学习框架（TensorFlow、PyTorch、MindSpore）
- 具备LLM相关技术经验，如Prompt工程、RAG、模型部署优化等
申请策略
- 提前了解德科斯米尔在汽车领域的业务，思考AI如何赋能汽车制造
- 准备一个能体现你独立解决复杂问题的项目故事
- 突出至少2个完整AI项目的算法设计到落地经验，量化成果
- 强调在大模型、NLP、深度学习方面的实际应用案例
- 展示Python和深度学习框架的熟练程度，以及数学基础
- 补充LLM相关技术栈，如LangChain、RAG、模型微调
- 熟悉模型部署工具（vLLM、Ollama）和轻量化技术
- 提高英语工作能力，满足跨国沟通需求
面试指南
- 用STAR法则组织项目回答，突出个人贡献和量化结果
- 从业务和技术两个维度回答落地问题，体现全局观
- 展示学习能力和探索精神，强调对最新AI技术的了解
- 请介绍你主导的一个AI项目，从问题定义到部署的完整过程
- 如何优化大模型的推理性能？你用过哪些框架和技巧？
- 在数据不充分的情况下，如何准备训练数据集？
- 如何将大模型应用到具体业务场景？请举例说明
- 你如何理解工业工程中的AI应用？
职位点评
69
综合评分
传统制造巨头中的AI前沿岗位，技术挑战性强，薪资中上，但灵活性一般。
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
更适合追求技术成长和职业发展的求职者，对工作生活平衡要求不高。
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50
使命价值60
薪资福利
70中等
薪资在沈阳当地属于较高水平，但具体福利和薪资未披露，稳定性较好。
薪资信号未披露（AI估算：15K-30K/月）
成长发展
85较高
技术领域前沿，涉及大模型、LLM等新兴技术，成长空间大。
技术前沿前沿/新兴技术
技术栈Python、TensorFlow、PyTorch、LLM、RAG、LangChain、vLLM、NLP
成长机会持续教育、内部培训、外部培训
业务类型ambiguous
工作生活
50较低
要求现场办公，工作地点在沈阳，未提及弹性工作，生活平衡一般。
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
60中等
服务于传统制造业的智能化转型，行业稳定但社会影响力一般。
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