德科斯米尔
Industrial Engineering ES
Industrial Engineering ES
发布于 大约 16 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
机器学习工程
Llm
Nlp
Pytorch
Rag
Tensorflow
Vllm
机器学习
深度学习
AI 估算 · 15k–25k
沈阳AI算法岗位薪资中等偏上，外资企业提供稳定福利，3年经验匹配中级水平。
职位详情
关于这个职位
该职位主要负责AI算法与大模型应用的开发，包括机器学习、深度学习、NLP算法设计，以及LLM的微调、RAG、Agent落地
你将参与从数据挖掘、模型训练到部署的全流程，并探索大模型在企业场景中的应用
适合有3年以上AI算法经验、熟悉Python和深度学习框架的候选人
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
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，Llamalndex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管理周期管理，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
- 技术栈前沿，聚焦LLM和AI应用，有较强的技能积累价值
- 跨国企业平台，体系完善，提供稳定发展环境
- 涉及从数据到部署的全流程，能全面锻炼项目能力
- 职位名称与内容不匹配，实际偏AI开发，需适应角色定位
- 沈阳本地AI生态相对有限，技术交流机会可能少于一线城市
- 需英语作为工作语言，对沟通能力有一定要求
- 适合有AI算法背景、热衷于大模型技术、追求稳定平台的技术型人才
缺点 / 挑战
暂无明显挑战项
角色解读
- 从AI算法工程师向高级算法专家或技术负责人方向发展
- 可深入大模型应用领域，成为企业级AI架构师
- 有机会参与跨国项目，积累国际视野和管理能力
- 负责AI算法设计与开发，包括机器学习、深度学习、NLP模型，并构建面向业务场景的定制化AI解决方案
- 独立完成数据挖掘、特征工程、模型训练与调优，提升模型准确率和泛化能力
- 探索LLM在对话、知识图谱、内容生成等场景的应用，推动大模型落地，并优化推理性能
- 参与模型全生命周期管理，从训练到部署，同时承担内部培训和流程优化职责
- 扎实的数学基础，包括线性代数、概率统计和优化理论
- 精通Python，熟悉Pandas、Scikit-learn等数据处理工具
- 熟练掌握至少一种深度学习框架（TensorFlow、PyTorch、MindSpore）
- 具备LLM相关技术经验，如RAG、Agent、微调和推理优化
申请策略
- 了解德科斯米尔在汽车行业的业务，思考AI如何赋能汽车制造
- 准备一个展示你如何从0到1落地AI项目的案例
- 突出AI项目经历，尤其是完整参与过2个以上并落地的项目
- 强调LLM相关实战，如微调、RAG、Agent等
- 展示Python和深度学习框架的熟练度，附上相关代码或项目链接
- 补充LangChain、LlamaIndex等大模型应用框架经验
- 学习vLLM、TGI等推理优化工具，掌握量化、蒸馏技术
- 加强英语工作能力，尤其是技术文档阅读和口语交流
面试指南
- 使用STAR法则：情境、任务、行动、结果，突出个人贡献和量化结果
- 针对技术问题，先阐述原理，再结合项目经验说明应用和权衡
- 提前准备一个技术栈清单，并串联成完整故事
- 请介绍一个你主导的AI项目，从数据到部署的全过程
- 如何优化LLM的推理延迟和吞吐量？具体用了哪些技术？
- 如何设计RAG系统以提高问答准确性？
- 你如何选择适合业务的模型？微调和预训练的区别是什么？
- 英语自我介绍及对岗位的理解
职位点评
66
综合评分
前沿AI技术岗，大模型应用为核心，外资稳定，但WLB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。
更适合这类人
适合注重技能成长和技术前沿性，对办公灵活性要求不高的求职者。
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85
工作生活50
使命价值65
薪资福利
60中等
薪资未披露，但外资企业福利较完善，工作稳定。
薪资信号未披露（AI估算：15K-25K/月）
成长发展
85较高
技术栈前沿，涉及LLM等热门方向，有较多成长机会，公司也重视培训。
技术前沿前沿/新兴技术
技术栈Python、TensorFlow、PyTorch、NLP、LLM、LangChain、RAG、vLLM
成长机会continuing education、training
业务类型ambiguous
工作生活
50较低
仅现场办公，工作时间未明确，WLB信号不足。
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
汽车行业稳定，AI技术应用有创新价值，但社会影响力一般。
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