德科斯米尔
Industrial Engineering ES
Industrial Engineering ES
发布于 大约 14 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)
Llm
Nlp
Pytorch
Rag
Tensorflow
机器学习
深度学习
AI 估算 · 15k–25k
沈阳地区外企AI算法岗，3年经验属中级，技能要求高，市场竞争力中等偏上。
职位详情
关于这个职位
这个职位是德科斯米尔沈阳的工业工程ES岗位，实际上专注于AI算法与大模型应用开发
你将负责机器学习、深度学习、NLP等领域的算法设计与开发，构建定制化AI解决方案，并参与大模型在对话系统、知识图谱等场景的落地
同时需要管理子项目、制定标准流程，成为技术领域的内部专家
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
- 参与前沿大模型技术在企业级的落地，技术成长空间大
- 德科斯米尔作为跨国企业，提供全球化平台和培训资源
- 沈阳生活成本较低，职位薪资在当地有竞争力
- 工作内容涉及完整模型生命周期，技能覆盖面广
- 需同时掌握AI技术和工业工程知识，跨领域要求高
- 大模型技术迭代快，需持续学习保持竞争力
- 需承担子项目管理职责，对沟通协调能力有要求
- 适合热爱AI技术、追求技术深度、愿意在沈阳长期发展，且能适应跨领域工作的求职者
缺点 / 挑战
暂无明显挑战项
角色解读
- 技术方向：可成长为AI算法专家或大模型架构师，深入掌握前沿技术
- 管理方向：可晋升为技术团队负责人，带领团队完成复杂项目
- 行业方向：在汽车智能化领域积累经验，转型到自动驾驶、智能座舱等热门领域
- 设计并实现机器学习、深度学习和大模型算法，解决具体业务问题
- 负责数据处理、特征工程、模型训练与优化，提升模型性能
- 探索大模型在对话、知识图谱、内容生成等场景的应用，推动落地
- 管理子项目进度，制定技术标准，并提供内部技术培训
- 精通Python及PyTorch/TensorFlow等深度学习框架
- 扎实的数学基础（线性代数、概率统计、优化理论）
- 熟悉大模型相关技术（LLM、RAG、Prompt Engineering、模型轻量化）
- 具备项目管理和跨部门协作能力，英语流利
申请策略
- 关注汽车行业AI应用趋势，在面试中展现对业务场景的理解
- 提前了解德科斯米尔的产品线（线束、内饰），思考AI如何赋能
- 突出至少2个完整的AI项目经验，详细描述算法设计、模型优化和部署效果
- 强调大模型相关经验，如LLM微调、RAG或Prompt Engineering项目
- 列出掌握的框架和工具（PyTorch、LangChain等），并注明熟练程度
- 如有项目管理和培训经验，作为亮点展示
- 补充大模型推理优化和轻量化技术（如vLLM、量化、蒸馏）
- 加强数学基础，特别是概率统计和优化理论
面试指南
- STAR法则：描述项目背景、任务、行动和结果，突出技术深度
- 对比不同方案：展示对多种方法的理解和权衡能力
- 从数据、模型、部署全链路思考：体现系统化思维
- 介绍一下你参与过的大模型项目，难点和解决方案是什么？
- 如何选择模型评估指标？如何处理过拟合？
- 请解释Transformer的注意力机制，以及它在LLM中的应用
- 你对RAG和Agent的理解是什么？如何设计一个RAG系统？
- 如果让你用一个医疗数据集微调LLM，你会怎么做？
职位点评
63
综合评分
沈阳外企AI算法岗，前沿技术栈，发展空间大，但WLB和福利信息不足。
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。
更适合这类人
最适合追求技术成长和职业发展的求职者，特别是对AI大模型有热情的人。
表现最好
成长发展
相对薄弱
工作生活
薪资福利60
成长发展90
工作生活40
使命价值50
薪资福利
60中等
薪资未明确但结合岗位和城市有竞争力，福利未提及，补偿性动机满足一般。
薪资信号未披露（AI估算：15K-25K/月）
成长发展
90较高
岗位涉及前沿大模型技术，提供培训和发展机会，成长空间大。
技术前沿前沿/新兴技术
技术栈LLM、大模型、RAG、Agent、量化、蒸馏
成长机会培训、继续教育、内部培训、外部培训
业务类型profit_center
工作生活
40较低
未提及远程办公或弹性工作，地点沈阳，工作模式为现场办公，生活便利性中等。
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
50较低
汽车行业稳定成熟，职位对行业智能化有贡献，但社会意义一般。
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