
Industrial Engineering ES
发布于 34 分钟前普通员工/个人贡献者
值不值得投
综合评分 67
沈阳汽车零部件场景下的AI算法与大模型应用岗,技术前沿、成长性强,薪资与办公模式未披露。
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
与AI算法中位数基本持平
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 310 个在招 · 其中AI算法 16 个
市场机会
选择适中
沈阳 · AI算法 · 16 个在招
职位详情
关于这个职位
该岗位面向汽车零部件制造场景,负责AI算法与大模型应用方案的设计、开发、调优和落地
最低要求
At least Bachelor’s degree in computer science, mathematics, and Computer Science, Industrial Engineering, AI Applications, Mathematics and etc.
工作职责
Plan and realize production processes for existing and new products.
AI 洞察
优缺点分析
优点
- 岗位覆盖机器学习、NLP、LLM、RAG、Agent和推理优化,技术栈较新,有利于积累大模型企业级落地经验
- 业务场景来自汽车零部件制造,能够把算法能力与生产工艺、质量标准、内部流程优化结合,行业应用价值明确
- JD提到内部培训、文档、标准流程和子项目协调,说明岗位不仅写代码,也有机会提升跨团队沟通和项目推进能力
- 英语可作为工作语言,适合希望积累跨国企业协作语境的求职者
- JD未明确办公模式、加班情况和具体福利,求职者需要在面试中进一步确认工作方式与团队节奏
- 适合具备Python、深度学习和大模型应用落地经验,愿意在制造业场景中做AI工程化与业务结合的求职者
缺点 / 挑战
- 岗位要求至少3年AI算法或大模型应用经验,并主导或完整参与过至少2个项目,入门门槛较高
- 技术范围很宽,从数据处理、模型训练到LLM推理优化和生产部署都需要覆盖,对工程化和算法能力要求都较高
角色解读
- 可向资深AI算法工程师或大模型应用专家发展,深耕模型微调、RAG、Agent和推理性能优化
- 可转向AI解决方案架构或技术项目负责人,负责企业级AI场景规划、跨部门协同和项目落地
- 也可结合工业工程与制造业务背景,发展为智能制造、工业AI或数字化生产优化方向的专业人才
- 负责面向汽车制造与业务场景的AI算法开发,包括机器学习、深度学习、NLP和大模型应用方案设计
- 完成数据挖掘、特征工程、模型训练、调参、测试和部署,持续优化准确率、泛化能力、实时性和生产稳定性
- 探索LLM在对话系统、知识图谱、内容生成、智能推荐等场景的落地,参与继续预训练、微调、RAG和Agent适配
- 承担内部联络、文档编制、培训组织、标准流程优化和子项目协调工作,推动AI能力在组织内复用
- 需要具备扎实的Python编程能力,并熟悉Pandas、Scikit-learn等数据处理工具
- 需要掌握线性代数、概率统计、最优化理论等数学基础,能够支撑算法设计与模型优化
- 需要熟悉至少一种深度学习框架,如TensorFlow、PyTorch或MindSpore,并具备AI项目落地经验
- 需要了解LangChain、Llama Index、vLLM、Ollama、TGI、量化、蒸馏、RAG和Agent等大模型应用与推理优化技术
申请策略
- 申请时建议将简历重点从“会哪些模型”转向“解决了什么业务问题、如何部署、产生什么效果”
- 面试前了解德科斯米尔汽车线束和内饰业务,思考AI如何服务生产工艺、内部知识管理和质量改进
- 重点突出至少2个AI项目的完整落地经历,包括业务背景、数据规模、模型方案、部署方式和最终效果指标
- 强化Python、Pandas、Scikit-learn、PyTorch或TensorFlow等技术栈,并写明你在数据挖掘、特征工程、训练调优中的具体贡献
- 如果有LLM项目,建议突出RAG、Agent、Prompt Engineering、LangChain、Llama Index、vLLM、量化或蒸馏等实践经验
- 补充英语协作、跨部门沟通、文档编写、培训或项目协调经历,匹配JD中的内部联络和流程优化要求
- 可提前准备一个可展示的大模型应用项目,覆盖数据构建、微调或RAG、推理部署、延迟与吞吐优化
- 加强对模型评估指标的理解,如准确率、泛化能力、实时性、吞吐、延迟和生产稳定性
面试指南
- 项目类问题用“背景-目标-数据-方案-难点-结果-复盘”的结构回答,重点量化效果
- 技术类问题先说明业务约束,再讲模型选型、评估指标、部署方案和性能优化方法,避免只讲工具名
- 协作类问题用具体案例说明你如何澄清需求、协调资源、处理分歧并推动上线
- 请介绍一个你主导或完整参与的AI项目,包括业务场景、技术方案、部署方式和效果指标
- 你如何构建一个企业级RAG或Agent应用?如何处理知识库更新、检索质量和幻觉问题?
- 如何使用vLLM、Ollama或TGI优化大模型推理性能?你关注哪些延迟、吞吐和成本指标?
- 在数据量有限或数据质量较差时,你会如何做数据清洗、特征工程和模型调优?
- 你如何与工艺、质量、IT或业务部门协作,推动AI方案从概念验证走向生产落地?
职位点评
薪资福利
JD未披露薪资和福利信息,但岗位要求三年以上经验及大模型落地能力,通常对应中高级技术岗位。补偿性动机只能基于岗位要求判断,福利信息不足。
成长发展
岗位明确涉及机器学习、深度学习、NLP、LLM、RAG、Agent、模型微调和推理优化,技术成长空间较大。JD还提到培训、标准流程优化和子项目协调,有利于综合能力提升。
工作生活
JD仅说明Location: Shenyang和全职,没有明确远程、混合办公、弹性工时或加班信息。生活化动机可判断的信息有限。
使命价值
岗位服务于汽车制造、生产工艺优化和企业级AI应用落地,具有一定产业创新价值。JD未直接表达社会使命或价值导向,意义感主要来自技术落地和流程改进。
德科斯米尔 的其他在招职位