德科斯米尔
Industrial Engineering ES
Industrial Engineering ES
发布于 大约 13 小时前普通员工/个人贡献者
全职员工仅现场办公工业工程
工业工程
Llm
Nlp
Pytorch
Scikit-Learn
Tensorflow
机器学习
深度学习
值不值得投
74综合评分
综合评分 74
跨国企业，前沿AI技术，薪资有竞争力，但现场办公且可能加班。
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。
薪资怎么样
28K
比工业工程中位数高
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 180 个在招 · 其中工业工程 39 个
市场机会
选择适中
沈阳 · 工业工程 · 16 个在招
职位详情
关于这个职位
该职位是德科斯米尔（DRAEXLMAIER）在沈阳的工业工程专家岗位，主要负责生产工艺的规划与实现，同时深度参与AI算法与大模型应用开发，包括机器学习、深度学习、NLP及LLM相关项目
你将负责从数据挖掘、模型训练到部署的全流程，并推动大模型技术在企业场景的落地
适合具备扎实数学和编程基础、有AI项目经验的工程师
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
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
- 跨国企业平台，提供国际化工作环境和培训机会
- 涉及前沿AI技术，包括大模型和LLM，技术成长空间大
- 职位结合工业工程与AI，具有跨学科优势
- 沈阳生活成本较低，薪资竞争力强
- 需要英语作为工作语言，对语言能力有要求
- 可能涉及项目管理和跨部门协作，需要较强的沟通能力
- 适合具备扎实AI技术背景，同时愿意在制造业场景中应用AI，并希望在国际化环境中发展的工程师
缺点 / 挑战
- 工作内容涉及多个领域，要求综合技能，压力较大
角色解读
- 可向AI算法专家或大模型架构师方向发展，深化技术专长
- 有机会晋升为技术团队负责人，管理AI项目
- 跨领域发展，结合工业工程与AI，成为智能制造领域的专家
- 负责生产工艺的规划与实现，同时主导AI算法和大模型应用开发，包括机器学习、深度学习、NLP等
- 进行数据挖掘、特征工程、模型训练与调优，提升模型性能
- 探索LLM在对话系统、知识图谱等场景的应用，并构建企业级AI应用系统
- 管理AI模型全生命周期，从训练到部署，确保生产环境稳定
- 精通Python，熟悉Pandas、Scikit-learn等数据处理工具
- 熟练掌握至少一种深度学习框架（TensorFlow、PyTorch、MindSpore）
- 具备扎实的数学基础，包括线性代数、概率统计和优化理论
- 熟悉大模型相关技术，如LangChain、LlamaIndex、vLLM等
申请策略
- 了解德科斯米尔在汽车行业的业务，特别是线束和内饰
- 强调对AI在制造业应用的兴趣和见解
- 突出AI项目经验，特别是独立主导或完整参与的项目
- 强调大模型相关经验，如LLM应用、RAG、Agent等
- 展示数学基础和编程能力，如Python、PyTorch等
- 提及英语能力，如有国际项目经验更佳
- 补充大模型相关工具链，如LangChain、vLLM等
- 学习工业工程基础知识，了解生产工艺流程
面试指南
- 使用STAR法则回答项目经验问题，突出个人贡献和成果
- 对于技术问题，先阐述原理，再结合项目实例说明
- 对于应用场景问题，结合公司业务，提出具体可行的方案
- 请介绍一个你主导的AI项目，包括技术选型和挑战
- 你如何优化LLM推理性能？请举例说明
- 如何将大模型技术应用到工业场景？
- 你如何处理数据不平衡问题？
- 请解释RAG的工作原理及其应用场景
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
该职位薪资水平较高，且为跨国企业，福利待遇可能较好，但具体薪资未在JD中明确。
薪资信号未披露（AI估算：20K-35K/月）
成长发展
85较高
职位涉及前沿AI技术，包括大模型和LLM，提供丰富的技术成长机会，且公司为跨国企业，有国际化发展空间。
技术前沿前沿/新兴技术
技术栈机器学习、深度学习、NLP、LLM、LangChain、PyTorch
成长机会继续教育需求、培训
业务类型ambiguous
工作生活
60中等
工作地点在沈阳，现场办公，未提及弹性工作或远程，可能工作强度较大。
工作模式仅现场办公
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
汽车行业稳定，但社会影响力一般，职位主要聚焦技术实现，使命感不强。
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
德科斯米尔 的其他在招职位
相似职位推荐
Watch Jobs