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
中级经验
全职员工
仅现场办公
本科
软件工程
Nlp
Pytorch
Tensorflow
大语言模型
数据挖掘
机器学习
深度学习
Llamaindex
AI 估算 · 18k–32k
沈阳AI算法岗位，需3年以上经验及大模型技能，薪资在东北地区属中上水平。
职位详情
关于这个职位
该职位是德科斯米尔（沈阳）的工业工程专家，实际职责聚焦于AI算法与大模型应用开发
你将负责设计、训练和部署机器学习及深度学习模型，探索大语言模型（LLM）在对话系统、知识图谱等场景的应用，并优化推理性能
同时需参与内部培训、标准制定及子项目管理，适合有3年以上AI经验、英语流利的技术人才
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，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
- 前沿技术栈：聚焦LLM、RAG、Agent等热门领域，技能积累含金量高
- 国际平台：跨国外企，工作语言英语，可参与全球协作，视野开阔
- 职责丰富：不仅做算法，还涉及培训、流程优化，能力全面发展
- 工作地点沈阳：相比一线城市，AI岗位机会较少，团队可能较小
- 适合有3年以上AI经验、喜欢探索大模型技术并愿意在制造业转型中发挥价值的工程师
- 英语良好、能独立负责项目者优先
缺点 / 挑战
- 技术要求高：需同时掌握传统ML/DL和最新LLM技术栈，学习压力大
- 项目落地复杂：从算法到生产环境需兼顾性能与稳定性，挑战大
角色解读
- 深耕AI算法与LLM领域，成为大模型架构师或技术专家
- 向工业工程或项目管理方向发展，结合汽车行业背景成为技术管理者
- 在德科斯米尔内部向全球技术团队扩展，参与国际项目
- 基于业务需求设计并开发机器学习和深度学习算法，尤其是NLP和大模型相关应用
- 负责数据挖掘、特征工程、模型训练与调优，提升模型性能
- 探索并落地大语言模型（LLM）在对话、知识图谱、推荐等场景的企业级应用
- 管理AI模型全生命周期，从训练到部署，并参与内部培训与流程优化
- 精通Python及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（线性代数、概率统计、最优化理论）
- 具备大模型应用开发经验，熟悉LangChain、LlamaIndex、vLLM等工具
申请策略
- 研究德科斯米尔的业务：了解其汽车内饰与线束系统，思考AI如何提升制造效率
- 在求职信中强调跨文化协作意愿，表达对外企工作环境的适应能力
- 突出AI项目经验：列出至少2个完整项目的算法设计、开发与部署细节
- 强调LLM相关技能：如LangChain、RAG、Prompt Engineering等工具的使用经历
- 展示数学基础：在简历中提到底层算法优化或论文阅读经历
- 注明英语水平：强调英语可作为工作语言（如雅思、托福或工作经历）
- 若缺少大模型落地经验，可先通过开源项目（如LangChain文档、Hugging Face）实践端到端流程
- 补充工业生产相关知识：了解制造业常见的AI应用场景（如质量检测、预测维护）
面试指南
- STAR法则：描述情境、任务、行动、结果，量化成果
- 结构化分析：先阐述问题背景，再分步骤说明解决方案，最后总结经验
- 技术对比：当被问到工具选择时，对比不同方案的优缺点，体现深度思考
- 请介绍一个你独立主导的AI项目，包括问题定义、数据准备、模型选择和部署挑战
- 你如何评估一个大模型在特定业务场景中的适用性？
- 解释一下Transformer架构中的自注意力机制，以及为什么它对LLM很重要
- 你使用过哪些Prompt Engineering技术？请举例说明如何优化一个常见的任务
- 如何处理模型在生产环境中的延迟和吞吐量问题？
职位点评
66
综合评分
跨国企业AI工程师，聚焦LLM前沿技术，薪资一般但发展空间大，办公灵活度有限。
更适合这类人
适合注重技术成长、愿意在沈阳稳定发展、能接受常规工作节奏的求职者。
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55
使命价值60
薪资福利
65中等
该职位未在JD中明确薪资和福利，但外企通常提供五险一金和年终奖，沈阳生活成本较低，薪资竞争力中等。
薪资信号未披露（AI估算：18K-32K/月）
成长发展
85较高
职位涉及前沿LLM技术栈，且有培训、标准制定等成长机会，技术提升空间大。
技术前沿前沿/新兴技术
技术栈机器学习、深度学习、NLP、大语言模型、LangChain、LlamaIndex、vLLM
成长机会持续教育、内部及外部培训
业务类型ambiguous
工作生活
55较低
沈阳现场办公，未提及弹性工作，外企一般双休但可能因项目需要加班。
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
汽车行业稳定成熟，AI在制造业的应用有一定社会价值，但职位描述未突出使命感。
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
德科斯米尔 的其他在招职位
相似职位推荐
Watch Jobs