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

Industrial Engineering ES

发布于 大约 7 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
Rag
Scikit-Learn
Tensorflow
深度学习

AI 估算 · 15k–25k

沈阳AI算法岗位，3年以上经验，跨国企业，薪资处于当地中上水平。

职位详情

关于这个职位

这是一个面向汽车行业的AI算法工程师岗位，主要专注于机器学习、深度学习和大语言模型（LLM）的算法设计与应用落地

你将负责从数据挖掘、模型训练到部署的全流程，并参与RAG、Agent等前沿技术的企业级应用，工作地点在沈阳

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，业务场景真实，可接触汽车行业AI应用
  • 技术栈前沿，涵盖大模型、RAG、Agent等热点方向
  • 有内部培训和国际协作机会，视野开阔
  • 沈阳生活成本较低，工作稳定性高
  • 岗位名称与职责不匹配（工业工程ES），可能产生预期偏差
  • 需要同时掌握算法开发和工程部署，技术广度要求高
  • 作为制造业企业，AI技术落地可能面临业务调整和资源限制
  • 适合希望在工业场景中实践AI技术、能独立推动项目落地的算法工程师

缺点 / 挑战

暂无明显挑战项

角色解读

  • 从AI算法工程师向高级算法专家或技术负责人发展
  • 可深入大模型垂直领域，成为LLM应用架构师
  • 有机会参与内部培训和国际项目，拓展跨文化协作能力
  • 负责AI算法（机器学习、深度学习、NLP）的设计与开发，构建业务场景的定制化解决方案
  • 主导数据挖掘、特征工程、模型训练调优，并管理模型从训练到部署的全生命周期
  • 探索大语言模型在对话、知识图谱、内容生成等场景的应用，并推动落地
  • 优化推理流程、模型轻量化，以及参与大模型微调、RAG和Agent开发
  • 扎实的数学基础，包括线性代数、概率统计和优化理论
  • 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）
  • 具备大模型应用开发经验，熟悉LangChain、vLLM、RAG等技术

申请策略

  • 注意职位名称与描述不一致，建议在面试中确认具体工作方向
  • 准备一个完整的AI项目故事，涵盖问题、方案、结果和量化收益
  • 突出AI项目经验，尤其是独立主导或完整参与的项目细节
  • 强调Python和深度学习框架的实际运用，以及模型调优成果
  • 展示大模型应用项目，如RAG、Agent、Prompt Engineering等亮点
  • 注明英语工作能力，如有跨国际协作经验更佳
  • 补充LangChain、vLLM等大模型工具链的实际操作经验
  • 强化数据清洗和特征工程的实际案例，因为JD明确要求

面试指南

  • 使用STAR法则（情境-任务-行动-结果）回答项目经验问题
  • 突出技术决策的权衡，例如精度与实时性的平衡
  • 展示学习能力和业务理解能力，而不仅是技术细节
  • 请介绍一下你参与过的AI项目，具体负责哪些部分？
  • 在大模型应用中，你如何处理数据清洗和微调数据集的构建？
  • 如何优化LLM推理的延迟和吞吐量？你用过哪些框架？
  • 描述一个你解决过的复杂技术问题，当时的思路是什么？
  • 你如何理解将AI技术应用到汽车制造行业？有何挑战？

职位点评

72
综合评分

跨国车企AI算法岗，技术前沿、成长性好，但WLB未知且薪资中上。

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
最适合追求技术前沿和个人成长的AI工程师，对加班和办公地点要求不高。
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60
使命价值65

薪资福利

70中等

薪资水平在沈阳属于中上，跨国企业稳定性好，但JD未提及具体福利，补偿性中等偏上。

薪资信号未披露（AI估算：15K-25K/月）

成长发展

85较高

技术栈前沿，涉及大模型和AI算法，成长空间大，且公司提供内部培训。

技术前沿前沿/新兴技术
技术栈Python、深度学习、NLP、LLM、LangChain、RAG、vLLM、PyTorch
成长机会内部培训、培训
业务类型ambiguous

工作生活

60中等

工作地点在沈阳，未提及远程或弹性工作制，可能以现场办公为主，生活质量中等。

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

65中等

汽车行业数字化转型具有实际价值，但职位描述未强调社会责任，意义感中等。

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