德科斯米尔
Industrial Engineering ES
Industrial Engineering ES
发布于 2 小时前普通员工/个人贡献者
全职员工仅现场办公机器学习工程
机器学习工程
Llm
Nlp
Prompt Engineering
Pytorch
Rag
Scikit-Learn
Tensorflow
Vllm
值不值得投
74综合评分
综合评分 74
稳定外企平台、前沿大模型技术栈、发展成长空间大，但薪资未披露且WLB情况未知。
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
2万
比机器学习工程中位数低
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
44 个在招
市场机会
选择不多
沈阳 · 机器学习工程 · 1 个在招
职位详情
关于这个职位
该职位主要负责机器学习、深度学习及自然语言处理（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
你将探索大语言模型（LLM）在对话系统、知识图谱等场景的落地，并负责模型从训练、调优到部署的全生命周期管理
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（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
- 接触前沿的大语言模型（LLM）及Agent技术，技术栈非常现代且全面，有利于保持技术敏锐度
- 在知名跨国汽车零部件企业工作，平台稳定，能将AI技术应用于实体制造业的数字化转型场景
- 职位头衔（Industrial Engineering）与实际工作内容（AI算法）存在差异，需适应跨部门的沟通与概念性工作
- 适合具备3年以上AI/大模型开发经验，渴望在稳定外企平台探索大模型工业落地，且具备良好英语沟通能力的算法工程师
缺点 / 挑战
- 制造业场景下的AI落地可能面临数据质量、算力资源及业务部门接受度等现实挑战
角色解读
- 从AI算法工程师向大模型技术专家或AI架构师发展，深入垂直领域的模型微调与Agent开发
- 也可向AI团队技术管理或AI项目总监方向转型，负责跨部门AI战略落地与子项目管理
- 负责机器学习、深度学习及NLP算法的设计与开发，构建面向业务场景的定制化AI解决方案
- 探索并落地大语言模型（LLM）在企业级场景中的应用，如对话系统、知识图谱和智能推荐
- 管理AI模型从数据处理、训练调优到推理部署的全生命周期，确保生产环境的稳定性与高性能
- 扎实的数学基础与精通Python编程，熟练使用PyTorch或TensorFlow等主流深度学习框架
- 具备大模型应用开发经验，熟悉LangChain、RAG、Prompt Engineering及vLLM等推理优化技术
- 拥有至少3年AI算法研发经验及完整的项目落地能力，且英语可作为工作语言进行跨国沟通
申请策略
- 了解德科斯米尔在汽车内饰和线束系统的业务背景，思考AI技术如何赋能其生产工艺优化或供应链管理，在面试中展现业务理解力
- 重点突出大模型（LLM）应用落地经验，如RAG、Agent开发、Prompt Engineering及模型推理优化（vLLM等）
- 展示至少2个独立主导的AI项目，强调从数据处理到部署的全生命周期管理能力及量化业务收益
- 深入学习大模型微调技术（如LoRA、P-Tuning）及企业级AI应用架构（LangChain/LlamaIndex）
- 提升英语技术文档编写与跨国沟通能力，以适应外企工作环境及内部培训需求
面试指南
- 采用STAR法则（情境、任务、行动、结果）回答项目经验，重点突出技术选型理由、遇到的具体技术瓶颈及量化后的业务收益
- 对于跨部门协作问题，强调沟通机制、目标对齐和进度管理，展现概念性工作与项目管理的结合能力
- 请详细介绍你主导过的一个LLM应用落地项目，遇到了哪些技术难点及解决方案？
- 在优化LLM推理流程时，你是如何使用vLLM或量化技术降低延迟的？
- 如何构建高质量的微调数据集？请分享你在数据清洗和特征工程方面的经验
- 在跨国团队中，你如何作为联络人协调内部工作组并推进AI项目？
- 复习大模型核心原理（如Transformer架构、注意力机制）及主流推理框架的底层逻辑
- 准备全英文的自我介绍及项目技术细节描述，以应对英语工作语言的面试要求
职位点评
薪资福利70
成长发展85
工作生活65
使命价值75
薪资福利
70中等
沈阳地区AI算法岗薪资处于市场中上水平，外企平台提供相对稳定的薪酬福利，但受限于地域和行业，绝对薪资不及一线城市互联网企业。
薪资信号未披露（AI估算：1.5千–2.5万/月）
成长发展
85较高
岗位涉及LLM、RAG、Agent等前沿技术，技术栈非常新，且要求参与内部培训和标准制定，有利于个人技术深度与行业影响力的提升。
技术前沿前沿/新兴技术
技术栈Python、PyTorch、TensorFlow、LLM、NLP、LangChain、LlamaIndex、vLLM、RAG、Agent
成长机会持续教育需求、内部及外部培训
业务类型ambiguous
工作生活
65中等
跨国制造企业通常工作节奏相对规律，但JD中提及管理子项目、复杂分析及国内外培训，可能存在一定的项目交付压力，且未明确说明WLB政策。
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
75中等
将前沿AI技术应用于传统汽车制造业的数字化转型，推动工业创新，具有一定的行业赋能价值和社会意义。
行业发展稳定成熟行业
社会影响中性/一般
使命信号汽车创新、提升驾驶体验
创新程度积极采用新技术
Watch Jobs