德科斯米尔
Industrial Engineering ES
Industrial Engineering ES
发布于 大约 15 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
软件工程
Llm
Nlp
Pytorch
Rag
Tensorflow
大模型
机器学习
深度学习
AI 估算 · 15k–25k
沈阳AI算法岗位，3年经验，跨国车企，薪资中等偏上，13薪
职位详情
关于这个职位
该职位面向有3年以上AI算法或大模型开发经验的工程师，主要负责机器学习、深度学习、NLP算法设计与开发，探索大模型在企业级场景的应用落地，包括对话系统、知识图谱、内容生成等
涉及数据处理、模型训练调优、推理优化、RAG和Agent适配等全生命周期管理
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
- 接触前沿AI技术，包括大模型、RAG、Agent等，技术积累价值高
- 跨国企业平台，有内部培训和国际化合作机会
- 项目涉及全生命周期，个人能力提升全面
- 技术更新快，需要持续学习保持竞争力
- 汽车行业业务场景复杂，需理解领域知识
- 适合对AI技术有热情、有扎实数学和编程基础、希望深入大模型领域的工程师
缺点 / 挑战
- 数学和算法基础要求高，入门门槛较高
角色解读
- 从AI算法工程师成长为技术专家，深入垂直领域
- 晋升为技术负责人，带领团队完成项目
- 向AI架构师方向发展，设计企业级AI系统
- 负责机器学习、深度学习、NLP等算法的设计与开发，构建面向业务场景的AI解决方案
- 独立完成数据挖掘、特征工程、模型训练与调优，提升模型性能
- 探索大模型在对话系统、知识图谱等场景的应用，推动技术落地
- 参与模型全生命周期管理，包括训练、部署和优化
- 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编程，熟悉Pandas、Scikit-learn等数据处理工具
- 熟练掌握TensorFlow、PyTorch等至少一种深度学习框架
- 具备大模型应用开发经验，熟悉LangChain、RAG等技术
申请策略
- 准备英文面试，展现流利的技术英语沟通能力
- 了解德科斯米尔公司及其汽车行业背景，体现业务理解
- 突出2个以上完整AI项目的经验，包括算法设计、开发和部署
- 强调大模型相关技能，如LLM微调、RAG、Prompt Engineering等
- 展示技术深度，如模型优化、推理加速、量化蒸馏等
- 补充大模型实践，使用LangChain等框架搭建应用
- 学习模型轻量化技术，如量化、蒸馏
- 熟悉数据处理和特征工程工具，如Pandas、Scikit-learn
面试指南
- 使用STAR法则（情境、任务、行动、结果）回答问题，突出个人贡献
- 结合具体项目经历，展示技术深度和问题解决能力
- 请介绍一个你主导的AI项目，包括技术选型和最终效果
- 如何优化模型性能？例如减少推理延迟或提高准确率
- 解释大模型微调的策略，以及如何处理数据不平衡
- RAG的原理是什么？如何选择检索器和生成模型？
- 在模型部署中遇到过哪些挑战？如何解决？
- 复习机器学习基础，包括模型评估、过拟合处理等
职位点评
64
综合评分
跨国车企AI岗位，技术前沿，成长空间大，但现场办公，薪酬未公开。
更适合这类人
适合追求技术深度和前沿领域，对生活平衡要求不高的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利60
成长发展85
工作生活40
使命价值70
薪资福利
60中等
薪资未明确，但公司为跨国巨头且自负盈亏，稳定性高，福利可能较好，但沈阳薪资水平一般，整体补偿性中等。
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（大模型、RAG等），有内部培训，技能成长空间大，技术栈新，但晋升路径未明确。
技术前沿前沿/新兴技术
技术栈Python、TensorFlow、PyTorch、LLM、LangChain、RAG、vLLM、Ollama
成长机会内部及外部培训
业务类型ambiguous
工作生活
40较低
仅现场办公，地点可能在工厂或产业园，未提及弹性工时或远程，生活平衡一般。
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
70中等
汽车行业稳定，AI技术应用有创新性，但社会影响力中性，使命感一般。
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