德科斯米尔
Industrial Engineering ES
Industrial Engineering ES
发布于 35 分钟前普通员工/个人贡献者
全职员工仅现场办公AI算法
AI算法
Llm
Machine Learning
Nlp
Prompt Engineering
Pytorch
Rag
Tensorflow
Vllm
值不值得投
74综合评分
综合评分 74
跨国车企AI算法岗，聚焦LLM落地，技术前沿，沈阳基地，发展性好
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
2.8万
比AI算法中位数低
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 250 个在招 · 其中AI算法 5 个
市场机会
选择不多
沈阳 · AI算法 · 5 个在招
职位详情
关于这个职位
该职位主要负责机器学习、深度学习及NLP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
候选人需独立完成数据挖掘、模型训练调优，并探索LLM在企业级场景（如对话系统、智能推荐）的落地应用，同时负责模型全生命周期管理及内部技术分享
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
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
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
- 跨国巨头平台，提供稳定的职业发展和规范的培训体系
- 接触前沿的大模型（LLM）与企业级AI落地场景，技术栈先进
- 制造业数字化转型背景，AI应用场景丰富且具有实际业务价值
- 英语工作环境，有助于提升国际化视野
- 传统制造业IT部门可能面临资源限制或变革阻力，推动新技术落地有难度
- 需要兼顾算法研发与生产流程优化，工作内容可能较为杂糅
- 沈阳相比一线城市，高端AI人才交流机会相对较少
- 适合希望在大厂平台深耕AI技术，对制造业数字化感兴趣，且具备较强自驱力和沟通能力的算法工程师
缺点 / 挑战
暂无明显挑战项
角色解读
- 向高级AI算法专家或首席科学家方向发展，深耕大模型底层技术与垂直领域应用
- 转向AI技术管理岗位，带领团队进行AI战略落地与技术架构规划
- 成为企业内部AI转型的技术顾问或培训师，推动智能化升级
- 负责AI算法（ML/DL/NLP）的设计、开发与落地，特别是大模型在企业场景的应用
- 进行数据清洗、特征工程、模型训练调优及推理加速优化
- 管理AI模型全生命周期，包括部署、监控及性能维护
- 参与内部技术培训、标准制定及跨部门协作
- 精通Python及主流深度学习框架（PyTorch/TensorFlow）
- 具备LLM应用开发经验，熟悉LangChain、RAG、Prompt Engineering等技术栈
- 扎实的数学基础（线性代数、概率统计）及算法功底
- 良好的英语沟通能力，能作为工作语言
申请策略
- 了解德科斯米尔在汽车内饰领域的业务特点，思考AI如何赋能其生产或研发
- 准备1-2个详细的LLM应用案例，重点阐述如何解决实际业务问题及性能优化手段
- 突出LLM相关项目经验，特别是RAG、Prompt Engineering及模型微调的具体成果
- 强调Python编程能力及数据处理工具（Pandas/Sklearn）的熟练程度
- 展示完整的AI项目落地案例，包括从数据准备到部署上线的全流程
- 体现英语工作能力及跨部门协作经验
- 深入掌握LangChain、LlamaIndex等大模型应用开发框架
- 学习模型推理加速技术（如vLLM、量化蒸馏）以提升工程落地能力
面试指南
- STAR法则：情境(Situation)、任务(Task)、行动(Action)、结果(Result)，重点突出个人贡献和技术难点突破
- 业务导向：将技术方案与业务价值（如效率提升、成本降低）挂钩
- 技术深度：展示对底层原理的理解，如Transformer架构、注意力机制等
- 沟通协作：强调跨部门合作中的问题解决能力和影响力
- 请介绍一个你主导的LLM应用项目，你是如何解决幻觉或延迟问题的？
- 在制造业场景下，你认为AI算法可以解决哪些核心痛点？
- 如何评估和优化一个大模型在特定垂直领域的微调效果？
- 请描述一下你使用LangChain或类似框架构建企业级应用的经历
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
跨国制造企业薪资体系规范，福利保障较好，但沈阳地区薪资绝对值低于一线互联网大厂，属于市场中等偏上水平。
薪资信号未披露（AI估算：2.0千–3.5万/月）
成长发展
85较高
职位涉及前沿的LLM和大模型技术应用，且公司有完善的内部培训体系，技术成长空间大。
技术前沿前沿/新兴技术
技术栈LLM、NLP、Deep Learning、LangChain、RAG、Prompt Engineering、vLLM
成长机会plan and conduct internal and external training、continuing education
业务类型cost_center
工作生活
60中等
工作地点在沈阳，生活压力相对较小，但制造业工厂环境可能要求现场办公，WLB取决于具体团队节奏，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，提升驾驶体验，具有一定的行业价值和社会意义，但非直接面向消费者的创新产品。
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
供应链AI算法工程师
京东 · 北京市
AI 估算 · 4.0–8.0万21 分钟前发布
供应链AI算法工程师
京东 · 北京市
AI 估算 · 4.0–7.0万21 分钟前发布
软件开发
京东 · 广州市
AI 估算 · 4.0–7.0万21 分钟前发布
IT Intern - 数字员工平台应用工程师
康明斯 · 北京市
AI 估算 · 4.3–6.5千1 小时前发布
IT Intern - 大模型应用工程师
康明斯 · 北京市
AI 估算 · 0.2–0.3千1 小时前发布
高德-Agent应用算法工程师-北京
阿里巴巴 · 北京市
AI 估算 · 3.0–5.0万1 小时前发布
乌鸫科技-AI agent应用工程师-平台技术
阿里巴巴 · 杭州市
AI 估算 · 2.5–4.0万1 小时前发布
阿里控股-AI研发工程师-杭州
阿里巴巴 · 杭州市
AI 估算 · 3.0–6.0万1 小时前发布
Watch Jobs