德科斯米尔
Industrial Engineering ES
Industrial Engineering ES
发布于 2 小时前普通员工/个人贡献者
全职员工仅现场办公机器学习工程
机器学习工程
Llm
Nlp
Prompt Engineering
Pytorch
Rag
Scikit-Learn
Tensorflow
Vllm
值不值得投
76综合评分
综合评分 76
传统车企巨头的大模型算法岗，技术栈前沿、注重内部培训，薪资福利规范但绝对值受地域限制。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
薪资怎么样
2万
比机器学习工程中位数低
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
53 个在招 · 其中机器学习工程 2 个
市场机会
选择不多
沈阳 · 机器学习工程 · 2 个在招
职位详情
关于这个职位
该职位主要负责机器学习、深度学习及自然语言处理算法的设计与开发，重点探索大语言模型在企业级场景中的落地应用
你需要独立完成从数据挖掘、模型训练到推理优化及部署的全生命周期管理，推动AI技术在业务中的实际赋能
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
计划和实现现有产品和新产品的生产工艺
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
- 能够接触到前沿的大语言模型及Agent技术，并将其应用于传统汽车制造业的实际业务场景，技术落地成就感强
- 作为跨国企业，提供规范的内部培训、国际化视野及相对稳定的职业发展平台
- 传统制造业的IT/AI基础设施和数据质量可能不如纯互联网公司完善，需要花费较多精力在数据清洗和业务场景适配上
- 适合具备3年左右AI/大模型开发经验，希望在实体制造业深耕AI落地，且具备良好英语沟通能力的技术人才
缺点 / 挑战
- 同时，要求英语作为工作语言，对跨国沟通和文档能力有一定挑战
角色解读
- 初期作为核心算法工程师深耕大模型落地与推理优化，后期可向AI技术专家或AI项目/团队负责人方向发展，在传统制造业数字化转型中发挥核心引领作用
- 负责机器学习、深度学习及NLP算法的设计与开发，重点推进大语言模型（LLM）在企业级场景的落地
- 你需要独立完成从数据处理、模型训练、推理优化到部署的全生命周期管理，并参与子项目的协调与内部技术培训
- 需要扎实的数学基础和精通Python编程，熟练掌握PyTorch/TensorFlow等深度学习框架
- 必须具备大模型应用开发经验，熟悉LangChain、RAG、Prompt Engineering及vLLM等推理优化技术，且英语需达到工作语言水平
申请策略
- 了解德科斯米尔在汽车内饰和线束系统的业务背景，思考大模型技术如何赋能其生产制造、供应链或内部知识管理，在面试中展现业务结合的思考
- 重点突出大模型应用落地经验，如RAG、Agent、微调及推理优化的具体项目成果
- 强调独立主导AI项目从0到1的完整经历，以及英语工作能力
- 建议深入复习大模型推理加速技术（如量化、蒸馏）及LangChain等应用开发框架，同时提升英语口语和专业技术文档的撰写能力
面试指南
- 采用STAR法则（情境、任务、行动、结果）回答项目经验，重点突出“行动”中的技术细节和“结果”中的业务收益
- 对于英语问题，保持自信，清晰表达技术逻辑即可
- 请详细介绍一个你独立主导的大模型应用落地项目，遇到了哪些技术难点及如何解决？
- 在优化LLM推理流程时，你如何使用vLLM或量化/蒸馏技术来降低延迟和提高吞吐量？
- 针对企业级场景，你是如何设计RAG系统或Prompt Engineering方案来提升模型准确率的？
- 传统制造业的数据质量通常不高，你是如何进行数据清洗和特征工程以支撑模型微调的？
- Can you describe your experience in collaborating with cross-functional teams or international stakeholders?
- 提前了解大模型推理优化的最新进展（如vLLM原理），并准备1-2个完整的RAG或Agent项目架构图
职位点评
薪资福利70
成长发展85
工作生活75
使命价值70
薪资福利
70中等
薪资水平在沈阳地区具有竞争力，通常提供规范的福利体系，但整体绝对值可能低于一线城市。
薪资信号未披露（AI估算：1.5千–2.5万/月）
成长发展
85较高
岗位涉及LLM、RAG、Agent等前沿技术，且公司鼓励内部培训和持续教育，技术成长空间大。
技术前沿前沿/新兴技术
技术栈LLM、NLP、LangChain、LlamaIndex、vLLM、RAG、Agent、PyTorch
成长机会持续教育、内部及外部培训
业务类型ambiguous
工作生活
75中等
跨国企业通常注重工作生活平衡，但JD未明确说明具体的工时和远程政策，需面试时确认。
工作模式未明确
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
致力于汽车创新和产品体验提升，将前沿AI技术应用于传统制造业转型，具有一定的行业价值。
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