德科斯米尔
Industrial Engineering ES
Industrial Engineering ES
发布于 大约 7 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
机器学习工程
Nlp
Pytorch
Rag
Tensorflow
Vllm
大语言模型
机器学习
深度学习
AI 估算 · 20k–35k
外资企业AI算法岗位，要求3年以上经验，沈阳地区同等岗位月薪约2-3.5万，年终奖通常1-3个月。
职位详情
关于这个职位
该职位是AI算法工程师，负责机器学习、深度学习和NLP算法的设计与落地，重点探索大语言模型在企业级场景的应用
你将参与数据挖掘、模型训练优化、大模型微调及推理加速等工作，需要具备扎实的数学基础和Python编程能力，并有3年以上相关经验
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
- 技术前沿，接触大模型、NLP等热门领域
- 外资企业平台稳定，福利完善，工作生活平衡可能较好
- 沈阳生活成本低，薪资在当地有竞争力
- 对数学和算法能力要求高，面试难度大
- 需要持续学习，技术更新快
- 适合热爱AI技术、拥有扎实算法基础、追求技术深度，且愿意在沈阳长期发展的求职者
缺点 / 挑战
- 可能需承担项目管理职责，工作压力不小
角色解读
- 可向AI技术专家或大模型架构师方向发展
- 有机会参与管理子项目，逐步转向技术管理岗位
- 在外资车企中，可结合工业场景成为跨领域专家
- 负责AI算法设计与开发，覆盖机器学习、深度学习和NLP领域，构建业务场景定制化AI方案
- 进行数据挖掘、特征工程和模型训练调优，提升模型性能
- 探索大语言模型在对话、推荐等场景的应用，实现大模型技术落地
- 优化LLM推理流程，并参与大模型微调、RAG与Agent开发
- 精通Python，熟悉Pandas、Scikit-learn等数据处理工具
- 熟练使用TensorFlow、PyTorch等至少一种深度学习框架
- 扎实的数学基础，熟悉线性代数、概率与统计、最优化
- 掌握大模型相关技术栈（LangChain、vLLM、RAG等）为加分项
申请策略
- 了解德科斯米尔的汽车制造业务，准备AI在制造业的应用案例
- 关注公司是否支持远程或混合办公，明确薪资结构
- 强调独立主导或全程参与的AI项目，突出模型效果和业务价值
- 突出Python编程和深度学习框架的实际应用经验
- 如有大模型（LLM）相关项目，重点展示
- 体现英语能力，可附上英文简历
- 补充LangChain、LlamaIndex等大模型应用框架
- 学习vLLM、Ollama等推理优化工具
面试指南
- 用STAR法则组织回答，强调具体场景、任务、行动和可量化结果
- 展示对模型效果和工程实现的平衡，体现落地思维
- 结合公司行业，提出AI应用的创新点和落地路径
- 如何优化大语言模型的推理延迟和吞吐量？
- 请讲讲你设计RAG系统时，如何处理检索质量和生成准确率
- 你如何评估一个AI模型在生产环境中的稳定性？
- 你如何将大模型技术应用在传统的汽车制造场景中？
- 描述你独立主导的一个AI项目，你遇到的挑战和解决思路
职位点评
71
综合评分
外资车企AI算法岗，技术前沿，薪资有竞争力，但工作地点固定，WLB未明确。
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
该岗位最适合重视技术成长和职业发展、对工作地点灵活性要求不高的求职者。
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88
工作生活55
使命价值65
薪资福利
70中等
外资企业薪资福利较为完善，虽未明确具体薪资，但通常具有竞争力；岗位为全职，稳定性较好。
薪资信号未披露（AI估算：20K-35K/月）
成长发展
88较高
岗位涉及机器学习、NLP和大模型等前沿技术，提供持续学习和培训机会，职业发展空间广阔。
技术前沿前沿/新兴技术
技术栈Python、PyTorch、TensorFlow、机器学习、深度学习、NLP、大语言模型、LangChain、LlamaIndex、vLLM、RAG、Agent、Pandas、Scikit-learn
成长机会continuing education、internal and external training
业务类型ambiguous
工作生活
55较低
工作地点为沈阳，未提及远程或弹性办公，可能为工厂现场办公，工作强度未知。
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
65中等
在汽车制造领域应用AI技术，有助于提升生产效率和产品创新，具有行业价值。
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