德科斯米尔
Industrial Engineering ES
Industrial Engineering ES
发布于 大约 11 小时前普通员工/个人贡献者
沈阳市
高级经验
全职员工
仅现场办公
本科
信息技术与基础设施
机器学习
深度学习
PyTorch
RAG
自然语言处理
TensorFlow
LLM
vLLM
AI 估算 · 18k–30k
沈阳AI算法岗3年经验，外资大厂，技能要求高，薪资有竞争力，参考市场水平。
职位详情
关于这个职位
该职位负责AI算法与大型语言模型（LLM）的研发与落地应用，包括机器学习、深度学习、自然语言处理等方向
你将参与从数据挖掘、模型训练到部署优化的全流程，推动AI技术在企业级场景中的实施
适合具备3年以上经验、精通Python和深度学习框架的算法工程师
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
探索大语言模型在对话系统、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
熟悉数据处理技术及工具，利用机器学习算法完成数据聚类分布等，支撑LLM微调数据集
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、Agent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
担任专业领域内外联络人，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
识别本领域持续教育需求，规划并实施复杂主题的内外部培训
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
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
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
- 技术栈前沿，涵盖大模型、RAG等热门领域，能快速积累行业经验
- 外资大厂，平台稳定，福利完善，有内部培训与国际化协作机会
- 职位职责全面，从研发到落地全流程参与，成长空间大
- 技术要求高，需要同时掌握传统ML、深度学习及大模型技术，学习曲线陡峭
- 工作地点在沈阳，相对于一线城市，AI人才生态和资源可能有限
- 项目涉及跨部门协调与培训，需要较强的沟通能力
- 适合有3年以上AI算法经验，希望在汽车行业或工业场景中落地大模型技术的工程师
缺点 / 挑战
暂无明显挑战项
角色解读
- 技术方向：可深入大模型、AI Infra等前沿领域，成为算法专家或技术Lead
- 管理方向：积累项目协调经验后，可转向技术管理岗位，带领团队
- 行业方向：在汽车零部件行业深耕AI应用，成为智能制造领域的资深专家
- 设计并实现机器学习与深度学习算法，解决业务场景中的具体问题，如自然语言处理、智能推荐等
- 参与大语言模型的开发与优化，包括预训练、微调、RAG及Agent构建，推动技术落地
- 管理AI模型的全生命周期，从数据处理、模型训练到生产环境部署与监控
- 担任专业领域联络人，负责内部培训与流程优化，跟踪前沿技术趋势
- 精通Python及数据处理库（Pandas、Scikit-learn），熟悉至少一种深度学习框架（PyTorch、TensorFlow）
- 扎实的数学基础（线性代数、概率统计、优化理论），能独立完成特征工程与模型调优
- 熟悉大模型相关技术栈，如LangChain、vLLM、RAG、量化蒸馏等
- 具备英语工作能力，能够阅读文档并进行技术交流
申请策略
- 关注公司官网或招聘平台，了解德科斯米尔在AI方向的战略布局
- 准备一个完整的大模型项目案例，从数据到部署，展示全流程能力
- 突出独立主导或参与的AI项目经验，详细说明算法设计、开发与落地成果
- 强调对LLM相关技术（如RAG、Agent、微调）的实际应用案例
- 展示数学基础与编程能力，列出使用的框架和工具
- 如有英文项目或论文，注明英语使用场景
- 若对大模型技术不熟，可学习LangChain、vLLM等工具，并通过在线课程补强
- 强化Python与深度学习框架的手写代码能力，准备算法面试题
面试指南
- STAR法则：描述情境、任务、行动、结果，突出个人贡献与技术难点
- 分步骤讲解：先讲问题定义，再讲解决方案（模型选择、数据处理、调优），最后讲部署与效果
- 对比方案：可提及不同方法的优缺点，展示思考深度
- 请描述你参与过的一个AI项目，从数据到部署的完整流程
- 什么是RAG？如何优化检索效率？
- 大模型微调中如何处理过拟合？
- 如何用Python实现一个简单的Transformer attention机制？
- 你在工作中如何平衡算法精度与推理速度？
职位点评
72
综合评分
外资大厂、前沿AI技术栈、发展空间大，但办公模式偏传统、无弹性工作制。
更适合这类人
适合追求技术成长、愿意在沈阳稳定发展的AI算法工程师。
表现最好
成长发展
相对薄弱
工作生活
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
外企大厂，沈阳薪资有竞争力，福利正规，但未明确列出具体福利，薪资面议可能性小，整体补偿性较好。
薪资信号未披露（AI估算：18K-30K/月）
成长发展
85较高
技术栈前沿（大模型、RAG），有内部培训和国际协作，成长信号明显，但JD中未明确提及晋升通道。
技术前沿前沿/新兴技术
技术栈机器学习、深度学习、自然语言处理、LLM、RAG、LangChain、vLLM
成长机会培训、继续教育
业务类型ambiguous
工作生活
60中等
仅现场办公，未提及弹性工时或远程，沈阳生活成本较低，但工作地点在沈阳，可能需通勤。
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
70中等
汽车行业AI应用有实际意义，推动智能制造，但JD中未强调社会价值，创新性较强。
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