Watch Jobs
DRAXLMAIER logo
德科斯米尔
Industrial Engineering ES
立即应聘

Industrial Engineering ES

发布于 大约 3 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
机器学习工程
Llm
Nlp
Pytorch
Tensorflow
数据处理
机器学习
深度学习
特征工程

AI 估算 · 15k–25k

沈阳AI算法岗位，跨国企业，要求3年经验，薪资处于沈阳中高水平。

职位详情

关于这个职位

该职位主要负责AI算法与大型语言模型（LLM）的研发与应用落地，包括算法设计、模型训练、推理优化、RAG和Agent开发，以及Prompt Engineering

你将参与从数据挖掘到模型部署的全生命周期，为汽车行业定制智能化解决方案
适合有3年以上AI经验、熟悉机器学习与深度学习的工程师

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

  • 岗位聚焦前沿AI技术（LLM、RAG、Agent），技术成长空间大
  • 跨国公司平台，资源丰富，有机会参与国际化项目
  • 沈阳工作生活成本较低，薪资在当地有竞争力
  • 职位包含培训和内部流程优化职责，能提升软技能
  • 职责范围较广，需同时兼顾算法研发和工业工程流程，对综合能力要求高
  • AI技术迭代快，需持续学习保持竞争力
  • 适合有3年以上AI开发经验、对LLM技术和工业应用感兴趣，且愿意在沈阳发展的工程师

缺点 / 挑战

  • 可能面临项目交付压力，尤其是生产环境部署的稳定性要求

角色解读

  • 从算法工程师向技术专家或团队负责人方向发展，逐步承担更复杂的AI项目
  • 深入大模型领域，成为LLM应用架构师或AI技术总监
  • 横向扩展至工业工程与AI结合方向，成为智能制造领域的复合型人才
  • 负责AI算法和大型语言模型的研发，包括算法设计、模型训练、调优与部署
  • 构建面向业务场景的定制化AI解决方案，如对话系统、知识图谱、内容生成等
  • 优化LLM推理流程，使用vLLM、Ollama等框架提升性能，并应用量化、蒸馏等轻量化技术
  • 参与RAG、Agent等前沿技术在企业级场景的落地，管理模型全生命周期
  • 扎实的数学基础（线性代数、概率统计、最优化理论）
  • 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

申请策略

  • 了解德科斯米尔公司的业务和产品（线束、内饰），在面试中体现对汽车行业的兴趣
  • 准备一个完整的AI项目案例，涵盖从需求分析到部署的流程
  • 突出AI项目经历，尤其是独立主导或完整参与的大模型相关项目
  • 强调编程能力（Python）和框架使用（TensorFlow/PyTorch），并附上GitHub链接
  • 展示数学基础和数据处理经验，如特征工程、数据清洗
  • 如果有工业背景或汽车行业经验，重点提及
  • 提前学习LLM推理优化框架（vLLM、Ollama）和模型轻量化技术（量化、蒸馏）
  • 熟悉RAG和Agent开发，可以动手搭建一个简单的问答系统

面试指南

  • 对于项目类问题，使用STAR原则（情境、任务、行动、结果），突出技术细节和量化成果
  • 对于技术原理问题，先给出简洁定义，再深入解释关键点，最后联系实际应用
  • 对于学习能力问题，展示具体学习途径（论文、博客、开源项目）和实际应用案例
  • 请描述你主导的一个AI项目，包括算法选型、模型优化和部署经验
  • 你对大型语言模型（LLM）的微调和RAG技术有什么理解？如何优化推理性能？
  • 如何处理数据不平衡问题？如何进行特征工程？
  • 请解释Transformer模型的核心原理和注意力机制
  • 你如何保持对前沿AI技术的跟进？最近关注哪些技术？

职位点评

69
综合评分

沈阳AI大模型岗，技术前沿，薪资中上，现场办公，WLB一般。

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
适合追求技术成长、愿意在沈阳发展、对AI前沿技术有热情的求职者。
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85
工作生活50
使命价值60

薪资福利

70中等

薪资在沈阳属于中高水平，跨国公司福利可能较好，但JD未明确提及薪资和福利细节，补偿性动机中等偏上。

薪资信号未披露（AI估算：15K-25K/月）

成长发展

85较高

岗位聚焦AI前沿技术（LLM、RAG、Agent），技术成长空间大，包含培训职责，发展性动机强。

技术前沿前沿/新兴技术
技术栈机器学习、深度学习、NLP、LLM、LangChain、RAG、Agent
成长机会继续教育需求识别、内部及外部培训
业务类型ambiguous

工作生活

50较低

沈阳工作，现场办公，未提及弹性工作或远程，WLB信号不明显，生活化动机一般。

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

60中等

汽车行业稳定，但JD未强调社会意义或使命感，意义感动机中等。

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