德科斯米尔
Industrial Engineering ES
Industrial Engineering ES
发布于 大约 11 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
信息技术与基础设施
机器学习
深度学习
NLP
PyTorch
RAG
TensorFlow
LLM
vLLM
AI 估算 · 15k–25k
沈阳AI算法岗位3年以上经验，市场薪资约15-25k，大模型方向有溢价，但沈阳薪资水平低于一线城市。
职位详情
关于这个职位
该职位是德科斯米尔（沈阳）的工业工程ES岗位，实际工作内容聚焦于AI算法开发，包括机器学习、深度学习、自然语言处理（NLP）以及大语言模型（LLM）的应用
你将负责算法设计、模型训练与优化，并推动AI技术在企业级场景的落地，同时参与内部标准制定与培训
适合有3年以上AI研发经验、熟悉Python和深度学习框架的工程师
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
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，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
- 接触前沿的大模型技术（LLM、RAG、Agent），紧跟行业趋势
- 德科斯米尔是跨国汽车零部件巨头，平台稳定，资源丰富
- 有机会参与内部培训和国际交流，提升专业影响力
- 职位涉及全栈AI开发，从算法到部署，技能积累全面
- 实际工作内容与职位标题（工业工程）可能不完全匹配，需适应
- 沈阳并非一线城市，AI高端人才圈层相对薄弱
- 涉及子项目管理，需要同时具备技术和协调能力
- 适合具备3年以上AI经验、对大模型落地有热情、希望在外资企业稳定发展的技术型人才
缺点 / 挑战
暂无明显挑战项
角色解读
- 从算法工程师向高级算法专家或技术负责人发展
- 可转向AI架构师，负责设计大规模AI系统
- 也可在垂直领域（如自动驾驶、工业AI）深入，成为行业专家
- 负责AI算法的设计与开发，包括机器学习、深度学习、NLP和大模型
- 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LLM在对话、知识图谱、内容生成等场景的应用，并推动落地
- 管理AI模型全生命周期，从训练到部署，确保生产环境稳定
- 扎实的数学基础，熟悉线性代数、概率统计和优化理论
- 精通Python及常用数据工具（Pandas, Scikit-learn）
- 熟练使用至少一种深度学习框架（TensorFlow, PyTorch, MindSpore）
- 有3年以上AI算法或大模型开发经验，主导过至少2个AI项目
申请策略
- 简历中需明确体现独立主导项目的成果，使用STAR法则
- 面试前了解德科斯米尔的产品（线束、内饰），思考AI如何赋能
- 突出AI项目经验，特别是LLM、RAG、Agent相关项目
- 强调Python、TensorFlow/PyTorch等技能，以及数据处理能力
- 展示数学基础，如在简历中提及线性代数、概率统计的应用
- 如有英语工作环境经验，务必强调
- 补充LangChain、vLLM等大模型工具链的实践
- 深入学习模型轻量化技术（量化、蒸馏）
面试指南
- 项目问题用STAR：Situation-Task-Action-Result，突出个人贡献
- 技术问题先讲理论再结合实践，举例说明
- 开放性问题展示行业深度思考，结合公司业务
- 请介绍一个你独立主导的AI项目，包括遇到的问题和解决方案
- 你如何优化LLM推理性能？请列举具体技术
- 解释Transformer架构的原理，以及它在NLP中的优势
- 如何设计一个RAG系统？请描述关键组件
- 你如何看待大模型在工业领域的应用前景？
职位点评
62
综合评分
跨国车企AI算法岗，技术前沿，成长空间大，但工作地点在沈阳且WLB不确定。
更适合这类人
适合追求技术成长和前沿技能积累的求职者，若重视WLB可能需要进一步评估。
表现最好
成长发展
相对薄弱
工作生活
薪资福利65
成长发展85
工作生活40
使命价值60
薪资福利
65中等
薪资水平中等偏上，但沈阳生活成本较低，福利未明确提及。
薪资信号未披露（AI估算：15K-25K/月）
成长发展
85较高
岗位涉及前沿大模型技术，有培训机会，个人成长空间大。
技术前沿前沿/新兴技术
技术栈LLM、NLP、深度学习、机器学习、RAG、LangChain、vLLM
成长机会内部培训、外部培训、继续教育
业务类型ambiguous
工作生活
40较低
沈阳现场办公，未提及弹性工作或WLB，从JD看可能有一定项目压力。
工作模式仅现场办公
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
60中等
汽车行业稳定，但AI岗位更偏向技术实现，社会影响中性。
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