德科斯米尔
Industrial Engineering ES
Industrial Engineering ES
发布于 大约 9 小时前普通员工/个人贡献者
全职员工仅现场办公人工智能
人工智能
Llamaindex
Llm
Mindspore
Nlp
Ollama
Pytorch
Rag
Scikit-Learn
Tensorflow
值不值得投
72综合评分
综合评分 72
跨国企业AI算法岗，技术前沿，成长空间大，但工作地点在沈阳，生活便利性一般。
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
28K
比人工智能中位数低
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 180 个在招
市场机会
选择不多
沈阳 · 人工智能 · 1 个在招
职位详情
关于这个职位
该职位是德科斯米尔（沈阳）汽车零部件公司的工业工程ES岗位，实际工作内容聚焦于AI算法与大模型应用开发
你将负责机器学习、深度学习及NLP算法的设计与优化，探索LLM在对话系统、知识图谱等场景的落地，并参与模型从训练到部署的全生命周期管理
适合具备扎实数学与编程基础、有3年以上AI研发经验的工程师
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，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
- 德科斯米尔是全球汽车零部件巨头，平台稳定，项目资源丰富
- 职位涉及前沿的大模型技术，技术成长空间大
- 公司提供内部及国际培训机会，有助于个人持续发展
- 工作地点在沈阳，相比一线城市，AI技术交流氛围可能稍弱
- 需要英语作为工作语言，对沟通能力有一定要求
- 适合具备扎实AI算法基础、有大模型应用经验，并希望在工业领域深耕的工程师
缺点 / 挑战
- 工作内容兼具AI算法研发和工业应用落地，挑战性与成就感并存
- 职位要求较高，需要3年以上AI算法经验，且需独立主导项目
角色解读
- 可向AI算法专家或大模型架构师方向发展，深入技术前沿
- 有机会在汽车工业领域成为AI应用落地的核心人物，推动智能制造转型
- 可逐步晋升为技术团队负责人或项目负责人，管理AI项目团队
- 负责AI算法（机器学习、深度学习、NLP）的设计与开发，并构建定制化AI解决方案
- 探索和落地大语言模型（LLM）在对话系统、知识图谱、内容生成等企业级场景的应用
- 优化LLM推理流程，使用vLLM、Ollama等框架提升性能，并参与模型微调、RAG、Agent等开发
- 管理AI模型从训练、调优到部署的全生命周期，确保生产环境的稳定性
- 精通Python，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
- 扎实的数学基础，包括线性代数、概率统计和优化理论
- 具备大模型应用开发经验，熟悉LangChain、LlamaIndex、RAG等技术
申请策略
- 在申请时，可强调对汽车行业或智能制造的兴趣，以及将AI技术落地到实际业务的热情
- 提前了解德科斯米尔在沈阳的业务布局，以便在面试中展现对公司的了解
- 重点突出大模型（LLM）相关项目经验，如RAG、Agent、微调等
- 强调独立主导或完整参与AI项目的经历，并量化项目成果
- 展示扎实的Python编程和深度学习框架（PyTorch/TensorFlow）技能
- 提及在工业或制造业场景下的AI应用经验，体现行业契合度
- 可提前熟悉LangChain、LlamaIndex等大模型应用框架
- 了解vLLM、Ollama等推理优化工具，并掌握模型量化、蒸馏等轻量化技术
面试指南
- 回答项目经验时，使用STAR法则（情境、任务、行动、结果），突出你的个人贡献和量化成果
- 回答技术问题时，先阐述基本原理，再结合项目实例说明应用，最后总结优化思路
- 回答场景应用问题时，结合德科斯米尔的业务特点，提出具体可行的落地方案
- 请详细描述你主导的一个AI项目，包括算法设计、数据处理和模型部署的完整流程
- 你如何优化LLM的推理性能？请举例说明你使用过的技术或框架
- 如何将大模型技术应用到工业场景中？请给出你的思路
- 你如何保证AI模型在生产环境中的稳定性和高性能？
- 请谈谈你对RAG和Agent技术的理解及其在垂直领域的应用
职位点评
薪资福利70
成长发展90
工作生活50
使命价值70
薪资福利
70中等
该职位薪资水平在沈阳地区具有竞争力，且公司为跨国巨头，福利待遇相对稳定，但具体薪资未披露。
薪资信号未披露（AI估算：20K-35K/月）
成长发展
90较高
该职位技术含量高，涉及大模型、机器学习等前沿技术，且公司提供内部及外部培训，成长空间大。
技术前沿前沿/新兴技术
技术栈Python、TensorFlow、PyTorch、MindSpore、NLP、LLM、LangChain、LlamaIndex、RAG、vLLM、Ollama
成长机会内部及外部培训
业务类型ambiguous
工作生活
50较低
工作地点在沈阳，为现场办公，未提及弹性工作或远程办公，生活便利性一般。
工作模式仅现场办公
办公地点工厂/生产基地
加班情况未提及（无法判断）
使命价值
70中等
汽车工业是稳定行业，该职位推动AI在智能制造领域的应用，具有一定的行业价值，但社会影响力有限。
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