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
沈阳市
高级经验
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
NLP
PyTorch
TensorFlow
Scikit-learn
大语言模型
vLLM
AI 估算 · 15k–25k
沈阳AI算法岗，3年经验及大模型技能稀缺，结合外企薪资体系，预计月薪15-25K。
职位详情
关于这个职位
该职位是德科斯米尔在沈阳的AI算法工程师岗位，专注于机器学习、深度学习、自然语言处理及大语言模型（LLM）的应用开发
你将负责从数据挖掘、模型训练到部署上线的全流程，并参与RAG、Agent等企业级AI系统构建，助力汽车行业智能化转型
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
- 大模型技术前沿，涉及LLM、RAG、Agent等热门方向，技能积累价值高
- 德科斯米尔为汽车行业巨头，平台稳定，项目资源丰富
- 工作内容涵盖从研发到部署的全流程，能全面锻炼AI工程能力
- 大模型领域技术更新极快，需要持续学习保持竞争力
- 沈阳相比一线城市AI生态较弱，可能缺乏同行交流机会
- 适合有3年以上AI算法经验、热爱大模型技术、愿意在制造业深耕的技术型人才
缺点 / 挑战
- 作为外企，对英语沟通能力有较高要求，需适应跨文化协作
角色解读
- 向AI技术专家或架构师发展，深入大模型底层优化与创新
- 成为AI团队负责人或项目经理，主导企业级AI战略落地
- 跨领域扩展到工业工程与AI结合的方向，如智能制造
- 设计并开发机器学习、深度学习和NLP算法，为企业定制AI解决方案
- 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在对话、知识图谱、推荐等场景的应用
- 管理AI模型全生命周期，包括训练、部署、监控与优化
- 扎实的数学基础（线性代数、概率统计、最优化）和Python编程能力
- 精通至少一种深度学习框架（TensorFlow/PyTorch/MindSpore）
- 熟悉大语言模型技术栈，如LangChain、vLLM、Prompt Engineering
- 具备独立主导AI项目经验，英语可作为工作语言
申请策略
- 了解汽车行业AI应用场景（如质量检测、供应链优化），在面试中展现行业理解
- 准备好英文自我介绍和项目讲解，因为英语是工作语言
- 突出2个以上独立主导的AI项目，尤其是大模型相关项目，说明你的角色和成果
- 详细描述技术栈，特别是Python、PyTorch/TensorFlow、LLM工具链（LangChain等）
- 强调数学背景和算法优化经验，如模型量化、蒸馏等轻量化技术
- 如果缺乏LLM实战，可先通过公开数据集动手搭建一个RAG或Agent demo
- 补充学习vLLM、Ollama等推理框架，以及模型压缩技术
面试指南
- 采用STAR法则（情境-任务-行动-结果）描述项目经验
- 对于技术问题，先给出定义，然后对比常见方案优缺点，最后结合实际经验
- 请介绍一个你主导的AI项目，包括技术方案和遇到的挑战
- 你对大语言模型的RAG和Agent架构如何理解？请举例说明
- 如何优化LLM推理性能？你会采用哪些技术？
- 请解释Prompt Engineering的常用策略，并给出一个实际案例
- 你为什么选择加入德科斯米尔？对工业AI有何看法？
- 复习深度学习基础，特别是Transformer架构和微调技术
职位点评
69
综合评分
前沿大模型技术栈，外企平台稳定，发展空间大，但工作地点在沈阳且WLB不明。
更适合这类人
最适合追求技术成长和职业发展的求职者，特别是对大模型和AI工程化感兴趣的人。
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90
工作生活50
使命价值65
薪资福利
70中等
薪资估算处于沈阳中高水平，外企福利较好，但未在JD中明确具体薪资和福利细节。
薪资信号面议 (15K-25K/月)
成长发展
90较高
职位涉及最前沿的大模型技术，包含完整AI项目生命周期，且提供培训机会，成长空间大。
技术前沿前沿/新兴技术
技术栈大语言模型、LLM、RAG、Agent、机器学习、深度学习、NLP、LangChain、vLLM
成长机会内部培训、外部培训、持续教育
业务类型ambiguous
工作生活
50较低
JD未提及远程或弹性工作，要求现场办公，且沈阳城市交通便利性一般。
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
65中等
汽车行业为稳定成熟行业，AI赋能制造业具有一定社会价值，但创新性中等。
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