德科斯米尔
Industrial Engineering ES
Industrial Engineering ES
发布于 大约 15 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)
机器学习
深度学习
NLP
PyTorch
RAG
TensorFlow
大语言模型(Llm)
AI 估算 · 15k–25k
沈阳AI算法岗3年经验，汽车零部件巨头薪资中等偏上，13薪为行业常规。
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开发与落地，包括机器学习、深度学习、自然语言处理等领域
你需要独立完成数据挖掘、模型训练与优化，并探索LLM在对话系统、知识图谱等场景的应用，推动大模型技术在企业级场景实施
同时参与模型轻量化、推理优化以及RAG、Agent等前沿技术实践
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，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
- 身处汽车行业巨头，项目资源丰富，能深入参与大模型、RAG等前沿技术落地
- 技能覆盖面广（ML/DL/NLP/LLM），有助于全面提升AI技术栈
- 提供内部培训与外部交流机会，可接触行业趋势与标准制定
- 大模型技术迭代快，需持续学习保持竞争力
- 部分职责涉及内部培训与汇报，需要一定的沟通与文档能力
- 适合3年以上AI开发经验、对大模型技术充满热情、愿意在传统行业推动技术创新的工程师
缺点 / 挑战
- 对数学基础和工程能力要求较高，需独立解决复杂算法问题
角色解读
- 技术方向：可向资深AI算法工程师、大模型专家或AI架构师发展
- 管理方向：积累经验后转为技术经理，带领团队完成AI项目交付
- 跨领域发展：结合汽车行业，成为智能制造或自动驾驶领域专家
- 设计并开发机器学习、深度学习、NLP等算法模型，为业务场景提供定制化AI解决方案
- 独立完成数据挖掘、特征工程、模型训练与调优，提升模型准确率与实时性能
- 探索LLM在对话系统、知识图谱、智能推荐等场景的应用，推动大模型技术在企业落地
- 参与大模型微调、RAG、Agent等前沿技术实践，并优化推理性能（vLLM、量化、蒸馏）
- 精通Python，熟练使用Pandas、Scikit-learn等数据处理工具
- 熟练掌握TensorFlow、PyTorch等深度学习框架，有扎实的数学基础（线性代数、概率统计）
- 具备3年以上AI算法或大模型开发经验，独立主导过至少2个AI项目
- 熟悉LLM相关技术栈（LangChain、LlamaIndex、RAG、Agent）及推理优化工具（vLLM、Ollama）
申请策略
- 了解德科斯米尔在汽车线束和内饰方面的业务，思考AI如何与生产流程结合
- 准备1-2个完整的AI项目案例，包括问题定义、模型选型、优化策略和最终效果
- 突出独立主导的AI项目经验，特别是算法设计、开发与部署的全流程
- 详细描述LLM相关项目（如对话系统、RAG应用），并量化性能提升成果
- 展示Python、TensorFlow/PyTorch等工具熟练度，以及数据处理能力
- 如有工业工程背景或汽车行业经验，务必强调匹配度
- 补充LangChain、LlamaIndex、vLLM等大模型工程工具的使用经验
- 加强数学基础（线性代数、概率论、最优化），面试可能涉及推导
面试指南
- 项目介绍采用STAR法则：背景、任务、行动、结果，重点突出技术难点和量化成果
- 技术问题先给出核心概念，再结合项目实例说明应用场景和优化手段
- 英语准备：提前准备1-2分钟英文自我介绍和项目概述，熟悉专业术语
- 请详细介绍你主导过的一个AI项目，包括算法设计、模型优化和部署经验
- 如何选择大模型？你在项目中如何应用LLM？遇到过什么挑战？
- 解释Transformer的注意力机制，以及为什么它适合NLP任务
- 你如何评估和优化模型在推理阶段的性能？
- 英语问题：Please describe your experience with large language models in 2-3 minutes.
职位点评
65
综合评分
传统汽车行业中的AI技术岗，薪资中等，技术前沿，WLB一般。
更适合这类人
最适合追求技术成长和前沿AI经验的求职者，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60
成长发展90
工作生活40
使命价值70
薪资福利
60中等
薪资为沈阳中等偏上水平，福利未明确，整体补偿性动机满足度一般。
薪资信号未披露（AI估算：15K-25K/月）
成长发展
90较高
职位涉及大模型、RAG、Agent等前沿技术，成长机会丰富，发展性动机满足度高。
技术前沿前沿/新兴技术
技术栈机器学习、深度学习、NLP、大语言模型(LLM)、LangChain、RAG、Agent、量化、蒸馏
成长机会内部培训、外部培训
业务类型ambiguous
工作生活
40较低
仅现场办公，地点沈阳，无WLB信号，生活方式满足度较低。
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
70中等
汽车行业稳定且具有智能制造意义，技术贡献有一定社会价值，意义感中等偏上。
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