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
研究与开发 (研发)
机器学习
深度学习
PyTorch
RAG
自然语言处理
TensorFlow
LLM
Scikit-learn
LlamaIndex
AI 估算 · 18k–30k
AI算法工程师在沈阳属于高薪职位，3年经验且需大模型技能，市场竞争力强，薪资高于当地平均水平。
职位详情
关于这个职位
该职位负责工业工程领域的AI算法研发，包括机器学习、深度学习和自然语言处理模型的开发与部署
你将参与大模型（LLM）在对话系统、知识图谱等场景的应用落地，优化模型性能并管理全生命周期
适合有3年以上AI算法经验、精通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
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
- 岗位涉及前沿的大模型技术（LLM, RAG, Agent），技术积累价值高
- 公司为汽车行业巨头，项目资源丰富，平台稳定，有利于长期职业发展
- 沈阳生活成本相对较低，薪资竞争力较强，性价比高
- 需要掌握从传统ML到LLM的多种技术，学习曲线陡峭
- 作为跨国企业，可能需要适应跨时区协作和英文工作环境
缺点 / 挑战
- 工作内容涉及算法研发全流程，对综合能力要求高，压力较大
- 适合有3年以上AI算法经验、喜欢挑战前沿技术、希望在制造业数字化转型领域深耕的工程师
角色解读
- 可向高级算法专家或技术架构师方向发展，深入大模型与工业AI领域
- 有机会转向技术管理岗位，带领团队进行AI项目落地
- 在德科斯米尔这样的全球性企业，可参与跨国项目，积累国际化经验
- 负责机器学习、深度学习及NLP算法的设计与开发，构建面向工业场景的AI解决方案
- 独立进行数据挖掘、特征工程、模型训练与调优，提升模型性能
- 探索LLM在对话系统、知识图谱等场景的应用，推动大模型在企业级落地
- 管理AI模型全生命周期，包括训练、测试、部署与运维，并参与子项目管理
- 精通Python及数据处理工具（Pandas, Scikit-learn），熟练掌握至少一种深度学习框架（TensorFlow, PyTorch）
- 具备扎实的数学基础（线性代数、概率统计、最优化理论），熟悉大模型相关技术（LLM, RAG, Agent）
- 有3年以上AI算法或大模型开发经验，独立主导过至少2个AI项目
- 英语可作为工作语言，具备良好的沟通与协作能力
申请策略
- 了解德科斯米尔的业务和工业场景，在面试中结合公司产品提出AI应用构想
- 准备一个完整的大模型项目案例，从问题定义到部署的全面复盘
- 突出独立主导或参与的AI项目经验，尤其是大模型相关项目，强调技术细节和业务成果
- 详细列出掌握的框架和工具（如PyTorch, LangChain, vLLM等），并说明使用场景
- 强调数学基础和算法优化能力，如模型调参、量化蒸馏等
- 如有英文项目文档或国际协作经历，务必展示英语能力
- 补充大模型推理优化技术（vLLM, TGI）和模型轻量化方法（量化、蒸馏）
- 熟悉RAG和Agent框架（如LangChain, LlamaIndex）的实际应用
面试指南
- STAR法则：描述情境、任务、行动、结果，突出技术难点和解决方案
- 对比分析：在回答技术选择问题时，比较不同方法的优缺点，展示思考深度
- 落地导向：强调算法在实际业务中的效果和可部署性
- 请介绍你独立主导的一个AI项目，从需求分析到落地的完整流程
- 如何优化LLM推理性能？你使用过哪些推理框架？
- 解释RAG和Agent的区别，并说明在制造业场景中的应用
- 如何选择模型轻量化技术（量化 vs 蒸馏）？
- 如何处理不平衡数据集？请举例说明特征工程的方法
职位点评
64
综合评分
沈阳工业AI岗，前沿大模型技术栈，薪资有竞争力，但现场办公且工作强度可能较高。
更适合这类人
该职位最适合追求技术成长、愿意接受挑战的AI算法工程师，对WLB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85
工作生活40
使命价值60
薪资福利
70中等
该职位没有在JD中明确列出薪资和福利，但基于公司规模和职位要求，推测薪资处于市场水准以上，但福利细节未知。
薪资信号未披露（AI估算：18K-30K/月）
成长发展
85较高
职位涉及前沿AI技术（大模型、RAG、Agent），并有内部培训和子项目管理机会，技能成长空间大，但晋升路径未明确提及。
技术前沿前沿/新兴技术
技术栈机器学习、深度学习、NLP、LLM、LangChain、LlamaIndex、vLLM、Ollama、TGI、RAG、Agent、量化、蒸馏
成长机会内部培训
业务类型ambiguous
工作生活
40较低
职位要求现场办公，地点在沈阳，但未提及弹性工时或远程选项，可能存在一定工作强度。
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
60中等
汽车行业属于稳定成熟行业，通过AI技术优化制造流程有一定社会价值，但JD未强调使命感。
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