德科斯米尔
Industrial Engineering ES
Industrial Engineering ES
发布于 大约 2 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
机器学习工程
Llm
Nlp
Pytorch
Rag
Tensorflow
工业工程
机器学习
深度学习
AI 估算 · 25k–40k
AI算法与LLM应用开发经验要求高，沈阳地区薪资水平中等，但跨国企业平台和技能稀缺性带来溢价。
职位详情
关于这个职位
该职位负责在德科斯米尔沈阳工厂设计和实现生产工艺，同时深度参与AI算法开发，包括机器学习、深度学习和NLP，并探索大语言模型在企业级场景的应用
你将负责从数据处理、模型训练到部署的全流程，并参与内部培训与流程优化
这是一个将AI技术与汽车制造场景结合的复合型岗位，适合具备算法背景并希望在工业领域落地的工程师
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
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、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，支撑结构化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
- 德科斯米尔作为跨国巨头，平台稳定，能提供丰富的资源和跨部门协作机会
- 岗位涉及AI前沿技术（LLM、RAG），技术含量高，有利于个人技能提升
- 工作地点在沈阳，生活成本相对较低，工作生活平衡可能较好
- 岗位职责描述与实际工作内容存在偏差，可能涉及工艺工程和AI算法的双重职责，需要快速适应
- 对AI算法和大模型应用要求高，需要持续学习新技术
- 适合具备扎实AI算法基础，对大模型应用有热情，并希望在汽车制造等工业场景中落地技术的工程师
缺点 / 挑战
- 作为跨国企业，可能面临跨文化沟通和协作的挑战
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，深入大模型在工业领域的应用
- 可向技术管理岗位转型，负责AI项目团队和跨部门协作
- 在汽车行业积累经验，成为智能制造和AI应用的复合型人才
- 负责设计和开发机器学习、深度学习及NLP算法，构建定制化AI解决方案
- 参与大语言模型（LLM）在对话、知识图谱、内容生成等场景的应用落地，包括RAG和Agent开发
- 管理AI模型从训练、调优到部署的全生命周期，并优化推理性能
- 在专业领域内担任联络人，参与内部培训、流程优化和子项目管理
- 扎实的数学基础，精通Python和主流深度学习框架（如PyTorch、TensorFlow）
- 熟悉数据处理工具（Pandas、Scikit-learn）和机器学习算法
- 掌握LLM相关技术，包括Prompt Engineering、LangChain、RAG、模型微调和推理优化
- 具备英语工作能力，能够进行技术沟通和文档编写
申请策略
- 了解德科斯米尔在汽车行业的具体业务，特别是线束系统和汽车内饰，以便在面试中展示对行业的理解
- 准备一个完整的AI项目案例，展示从数据处理、模型训练到部署的全过程
- 突出AI项目经验，特别是独立主导或完整参与的算法设计、开发和落地项目
- 强调在大模型（LLM）应用方面的经验，如RAG、微调、Prompt工程等
- 展示Python编程能力和数学基础，以及使用Pandas、Scikit-learn等工具的经验
- 补充LLM应用相关技能，如LangChain、LlamaIndex、vLLM等工具的使用
- 学习模型轻量化技术，如量化、蒸馏，以优化推理性能
- 提升英语沟通能力，特别是技术文档编写和口头汇报能力
面试指南
- 回答项目经验时，采用STAR法则（情境、任务、行动、结果），突出你的具体贡献和项目成果
- 回答技术问题时，先阐述基本原理，再结合项目经验说明应用，最后总结效果和反思
- 回答行业应用问题时，展示你对公司业务的理解，并联系AI技术如何解决实际问题
- 请详细描述你主导的一个AI项目，包括算法设计、数据准备、模型训练和部署的完整流程
- 你如何优化LLM推理性能？请举例说明你使用过的推理框架或轻量化技术
- 如何将大模型技术应用到工业场景？请结合德科斯米尔的业务谈谈你的想法
- 你如何处理数据清洗和特征工程？请分享一个你处理复杂数据的案例
- 你如何与跨部门团队协作，确保AI项目顺利落地？
职位点评
74
综合评分
跨国汽车巨头AI算法岗，技术前沿，发展空间大，但工作地点固定，薪资未明。
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
该职位最适合追求技术成长、对AI前沿技术有热情，并希望在工业领域实现技术落地的求职者。
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90
工作生活60
使命价值75
薪资福利
70中等
该职位薪资未明确，但作为跨国巨头企业，薪酬福利通常具有竞争力，且沈阳生活成本较低。
薪资信号未披露（AI估算：25K-40K/月）
成长发展
90较高
职位涉及AI前沿技术，如LLM、RAG、Agent，并提供内部培训和国际交流机会，发展空间大。
技术前沿前沿/新兴技术
技术栈Python、PyTorch、TensorFlow、LLM、RAG、LangChain、NLP、vLLM
成长机会持续教育、内部及外部培训
业务类型ambiguous
工作生活
60中等
工作地点在沈阳，生活成本较低，但职位未提及弹性工作或远程办公，可能为现场办公。
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
75中等
德科斯米尔作为汽车行业巨头，业务稳定，但职位对AI技术的应用具有创新性，能推动工业智能化。
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