DRAXLMAIER logo
德科斯米尔
Industrial Engineering ES

Industrial Engineering ES

发布于 1 小时前

普通员工/个人贡献者

AI 估算 · 1.8–3.0万 · AI 参考估算
中级经验
本科
全职员工仅现场办公AI算法
AI算法
Llm
Machine Learning
Nlp
Prompt Engineering
Pytorch
Rag

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与企业级应用,技术前沿,发展空间大。

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

2.4万

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 290 个在招 · 其中AI算法 13 个

市场机会

选择适中

沈阳 · AI算法 · 13 个在招

职位详情

关于这个职位

该职位主要负责机器学习、深度学习及大语言模型(LLM)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、模型训练调优及推理优化,并参与大模型在垂直领域的微调与应用落地,确保模型在生产环境中的高性能与稳定性

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、概率统计和最优化理论
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或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、内容生成和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

  • 接触前沿的大模型技术与企业级落地场景,拥有稳定的跨国平台资源和技术栈支持
  • 具备扎实算法基础,同时对工业场景或汽车制造有一定兴趣的技术型人才

缺点 / 挑战

  • 需要平衡算法研发与生产工艺优化的双重职责,对跨领域知识融合能力要求较高

角色解读

  • 可向高级AI科学家、AI架构师或技术专家方向发展,也可转向AI项目管理或团队领导角色
  • 负责设计和开发机器学习及大语言模型算法,构建面向汽车制造或业务场景的AI解决方案
  • 精通Python及主流深度学习框架(PyTorch/TensorFlow),具备LLM微调、RAG架构设计及模型推理优化能力

申请策略

  • 准备展示过往项目中关于模型部署、推理加速及多模态处理的详细技术细节
  • 突出LLM应用、RAG架构搭建及模型性能优化的具体项目案例,强调解决复杂业务问题的能力
  • 加强对工业工程背景知识的了解,提升将AI技术应用于实际生产流程的能力

面试指南

  • 使用STAR法则(情境、任务、行动、结果)描述项目经历,重点突出技术决策的逻辑性和量化成果
  • 请详细介绍一个你主导的LLM应用项目,包括技术选型、难点攻克及最终效果
  • 如何在资源受限的环境下优化LLM的推理速度和成本?
  • 你如何处理非结构化数据以构建高质量的微调数据集?
  • 复习大模型前沿技术(如LoRA、QLoRA、RAG进阶技巧),并准备针对工业场景AI落地的思考

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

作为跨国巨头企业,提供符合市场水准的薪资及完善的福利体系,但在JD中未明确提及具体薪资范围。

薪资信号未披露(AI估算:1.8千–3.0万/月)

成长发展

85较高

职位涉及大量前沿AI技术(LLM、RAG、Agent)的应用与优化,且包含内部培训职责,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
成长机会规划并实施复杂主题的内部及外部培训、识别公司内部本领域持续教育需求
业务类型profit_center

工作生活

60中等

作为制造业相关的技术岗位,通常要求现场办公,但跨国企业可能提供较好的工作环境和相对规律的作息。

工作模式未明确
办公地点科技园/产业园
加班情况未提及(无法判断)

使命价值

70中等

通过技术创新提升驾驶体验和汽车制造工艺,具有一定的行业价值和社会影响力。

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
Watch Jobs