德科斯米尔
Industrial Engineering ES
Industrial Engineering ES
发布于 大约 9 小时前普通员工/个人贡献者
全职员工仅现场办公人工智能
人工智能
Prompt Engineering
Pytorch
Tensorflow
大模型
数据处理
机器学习
深度学习
算法设计
自然语言处理
值不值得投
69综合评分
综合评分 69
技术驱动的工业AI岗位，成长空间大，但办公灵活性和生活平衡信息不足。
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
20K
比人工智能中位数低
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 140 个在招 · 其中人工智能 3 个
市场机会
选择不多
沈阳 · 人工智能 · 3 个在招
职位详情
关于这个职位
该职位负责设计和开发AI算法，包括机器学习、深度学习和自然语言处理（NLP），构建面向汽车工业场景的定制化AI解决方案
工作涉及大模型应用开发、数据挖掘、模型训练与优化，并参与企业级AI系统的全生命周期管理
要求候选人具备扎实的数学基础和编程能力，以支持工业工程中的智能化升级
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
- 技术前沿性强，涉及大模型、LLM等热门AI技术，能积累宝贵的前沿项目经验
- 公司为跨国企业，平台较大，有机会参与国际协作和培训，拓宽视野
- 岗位职责全面，涵盖算法开发、部署和项目管理，利于综合技能提升
- 汽车行业对AI需求增长，工业工程与AI结合有较好的行业应用前景
- 适合有扎实AI算法基础、喜欢技术实践且对工业应用感兴趣的求职者，愿意在跨国环境中承担复合型角色
缺点 / 挑战
- 技术更新快，需要持续学习新工具和框架，如LangChain、vLLM等，可能带来学习压力
- 要求独立主导项目，对问题解决能力和抗压能力有较高要求
- 工业环境可能涉及跨部门协作，沟通协调成本较高
- 作为非互联网行业，AI应用落地可能面临传统流程改造的挑战
角色解读
- 从算法工程师向高级AI工程师或技术专家发展，专注于大模型或特定垂直领域的应用
- 转向AI架构师或技术负责人，负责整体AI系统设计和团队技术指导
- 结合工业工程背景，向智能制造或工业AI解决方案方向拓展，提升行业影响力
- 设计和开发AI算法，应用于机器学习、深度学习和自然语言处理领域，构建企业级AI解决方案
- 负责数据挖掘、特征工程、模型训练与优化，提升模型性能并部署到生产环境
- 探索和落地大模型技术，如LLM的微调、RAG和Agent适配，解决具体业务场景问题
- 参与项目管理、流程优化和内部培训，推动AI技术在工业工程中的集成与应用
- 扎实的数学基础，包括线性代数、概率统计和优化理论，用于算法设计
- 精通Python编程及数据处理工具（如Pandas、Scikit-learn），熟练使用深度学习框架（如TensorFlow、PyTorch）
- 具备AI算法开发和大模型应用经验，能独立完成项目从设计到部署的全流程
- 良好的英语沟通能力，以支持跨国协作和技术文档编写
申请策略
- 研究德科斯米尔的汽车部件业务，了解AI如何赋能工业工程，面试时可结合业务场景提问
- 准备展示AI模型优化和部署的案例，尤其是性能提升或延迟降低的具体成果
- 突出3年以上AI算法开发经验，特别是机器学习、NLP和大模型相关项目成果
- 强调独立主导AI项目从设计到部署的完整经历，展示实战能力
- 列出熟练的技能栈，如Python、PyTorch、TensorFlow及数据处理工具
- 体现英语工作能力，如有国际项目经验或技术文档撰写经历可重点说明
- 学习工业工程基础知识，以便更好地将AI技术应用于生产优化场景
- 深入掌握大模型工具链，如LangChain、vLLM等，提升工程化落地能力
面试指南
- 使用STAR法则（情境、任务、行动、结果）结构化描述项目经历，突出个人贡献和量化成果
- 结合工业工程背景，说明AI技术如何解决具体业务痛点，如质量控制、流程优化等
- 强调技术选型的依据和优化方法，如模型轻量化、推理加速等实践
- 请描述一个你独立主导的AI项目，从算法设计到部署的完整过程，遇到的挑战和解决方案？
- 如何将大模型（如LLM）应用于工业场景？例如在生产优化中，你会如何设计RAG或Agent？
- 你熟悉哪些深度学习框架？在项目中如何选择框架并优化模型性能？
- 如何确保AI模型在生产环境中的稳定性和高性能？分享你的模型部署经验
- 英语作为工作语言，在之前的项目中你是如何使用英语进行协作的？
职位点评
薪资福利70
成长发展85
工作生活50
使命价值65
薪资福利
70中等
薪资估算基于沈阳市场中等水平，可能提供有竞争力的福利，但未在JD中明确披露具体信息。
薪资信号未披露（AI估算：15K-25K/月）
成长发展
85较高
职位涉及前沿AI技术如LLM、RAG，且要求独立项目经验和跨国协作，有利于技能成长和职业晋升。
技术前沿前沿/新兴技术
技术栈Python、TensorFlow、PyTorch、NLP、LLM、LangChain、vLLM、Scikit-learn
成长机会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
业务类型ambiguous
工作生活
50较低
JD未明确提及办公模式、WLB或加班情况，仅指定地点为沈阳，通勤灵活性未知。
工作模式未明确
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
汽车行业属于稳定成熟行业，AI技术应用于工业工程可提升效率，但JD未强调社会价值或使命感。
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