德科斯米尔
Industrial Engineering ES
Industrial Engineering ES
发布于 大约 2 小时前普通员工/个人贡献者
沈阳市
高级经验
全职员工
仅现场办公
本科
算法优化工程师
Llm
Nlp
Pytorch
Rag
Tensorflow
Vllm
机器学习
深度学习
AI 估算 · 15k–25k
AI算法岗位，要求3年经验，沈阳地区薪资水平中等，但公司为跨国巨头，福利较好，综合估算月薪2万左右。
职位详情
关于这个职位
该职位是德科斯米尔（DRAEXLMAIER）在沈阳的工业工程ES岗位，实际上是一个AI算法工程师角色，专注于机器学习、深度学习和NLP算法的设计与开发，并探索大语言模型（LLM）在企业级场景的应用
你将负责从数据挖掘、模型训练到部署的全流程，并参与大模型的微调、RAG和Agent适配，推动AI技术在汽车制造领域的落地
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
- 公司为跨国巨头，平台大，资源丰富，有利于职业发展
- 涉及前沿的大模型技术，能积累LLM应用经验，行业前景好
- 工作内容多样，包括算法开发、模型部署和培训，技能提升快
- 要求3年以上经验，且需独立负责项目，对能力要求高
- 工作地点在沈阳，可能不如一线城市机会多，但生活成本低
- 适合有AI算法经验，对大模型应用感兴趣，且希望在外企稳定发展的工程师
缺点 / 挑战
- 需要掌握多种技术栈，包括数据处理、模型优化和部署，学习压力大
角色解读
- 可向AI算法专家或大模型架构师方向发展，深入技术研究
- 可晋升为技术团队负责人，管理AI项目或团队
- 可跨部门合作，成为工业AI领域的专家，推动智能制造转型
- 负责AI算法设计与开发，包括机器学习、深度学习和NLP，构建定制化AI解决方案
- 参与大模型（LLM）的微调、RAG和Agent适配，推动大模型在企业级场景落地
- 管理AI模型从训练到部署的全生命周期，确保生产环境中的稳定性和性能
- 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，如TensorFlow、PyTorch
- 具备扎实的数学基础，包括线性代数、概率统计和最优化理论
- 熟悉LLM推理优化和模型轻量化技术，如vLLM、量化、蒸馏
申请策略
- 了解德科斯米尔在汽车行业的业务，特别是工业工程部门，展示对汽车制造的理解
- 在面试中强调实际项目成果，如模型性能提升、业务落地效果
- 突出AI项目经验，特别是独立主导或完整参与的项目，强调算法设计和落地
- 强调大模型相关经验，如LLM微调、RAG、Agent应用
- 展示Python编程和深度学习框架的熟练度，以及数学基础
- 补充大模型推理优化和模型轻量化知识，如vLLM、量化
- 熟悉LangChain等大模型应用框架，提升工程化能力
- 加强英语能力，确保能作为工作语言
面试指南
- 使用STAR法则：情境、任务、行动、结果，清晰描述项目经历
- 强调技术细节和量化结果，如性能提升百分比
- 展示对技术栈的深入理解，如vLLM、LangChain
- 请介绍你参与的一个AI项目，包括算法设计、模型选择和部署过程
- 你如何优化大模型的推理性能？请举例说明
- 你如何利用RAG提升模型在垂直领域的表现？
- 你如何处理数据不平衡或数据清洗问题？
- 如何将AI模型部署到生产环境并保证稳定性？
职位点评
72
综合评分
跨国企业AI算法岗，技术前沿，发展空间大，但工作地点固定，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、对AI大模型应用感兴趣的工程师，能接受现场办公。
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90
工作生活50
使命价值75
薪资福利
70中等
薪资未明确，但公司为跨国巨头，福利可能较好，但具体薪资需面议。
薪资信号面议 (15K-25K/月)
成长发展
90较高
职位涉及前沿大模型技术，有大量学习和发展机会，成长空间大。
技术前沿前沿/新兴技术
技术栈Python、TensorFlow、PyTorch、LLM、RAG、LangChain、vLLM
成长机会继续教育需求、内部及外部培训
业务类型ambiguous
工作生活
50较低
工作地点在沈阳，可能为现场办公，未提及弹性工作，WLB一般。
工作模式仅现场办公
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
汽车行业稳定，但社会影响力一般，创新性较强，推动AI在工业应用。
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
Watch Jobs