德科斯米尔
Industrial Engineering ES
Industrial Engineering ES
发布于 大约 7 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)
机器学习
深度学习
NLP
PyTorch
RAG
TensorFlow
LLM
Scikit-learn
量化
AI 估算 · 15k–25k
沈阳外资汽车零部件巨头，AI算法岗位，3年经验，薪资处于当地高端水平
职位详情
关于这个职位
该职位主要负责AI算法与大模型技术的研发与应用，包括机器学习、深度学习、自然语言处理等领域的算法设计与优化，以及LLM的微调、RAG和Agent开发
你将参与从数据处理、模型训练到部署的全流程，并有机会管理子项目、制定技术标准
适合有3年以上AI经验、追求前沿技术落地的工程师
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
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
- 外企平台，工作稳定，福利规范，且有国际培训机会
- 涉及前沿AI技术（LLM、RAG、Agent），技术成长空间大
- 职位包含跨部门协作和内部培训职责，提升综合能力
- 沈阳AI就业市场相对一线城市机会少，跳槽选择有限
- 技术栈要求全面（ML/DL/NLP/LLM/推理优化），学习成本高
- 可能需要承担部分管理事务，对沟通能力有要求
- 适合有3年以上AI算法经验、希望在外企环境中深耕前沿技术、并愿意承担一定技术管理职责的求职者
缺点 / 挑战
暂无明显挑战项
角色解读
- 技术路线：从AI算法工程师成长为技术专家或架构师，主导复杂AI系统设计
- 管理路线：积累项目协调经验，转向技术管理或项目经理角色
- 业务路线：深入理解汽车制造业务，成为AI+工业领域的复合型人才
- 设计和开发机器学习、深度学习及NLP算法，构建定制化AI解决方案
- 探索大语言模型（LLM）在对话、知识图谱、内容生成等场景的应用，并推动落地
- 负责数据清洗、特征工程、模型训练与优化，以及LLM推理性能提升
- 管理AI模型全生命周期，参与子项目管理、内部标准制定和技术培训
- 扎实的数学基础（线性代数、概率统计、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）
- 具备大模型相关经验，如LangChain、RAG、模型微调、推理优化等
申请策略
- 提前了解德科斯米尔的公司文化和业务（汽车线束、内饰），面试中体现行业兴趣
- 准备一段英文自我介绍和技术交流，展示英语可作为工作语言
- 突出至少2个完整的AI项目经验，强调算法设计、模型优化和部署成果
- 详细描述在大模型（LLM）方面的实践，如微调、RAG、Agent开发
- 展示数学基础和编程能力，可列举具体工具和框架（PyTorch、LangChain等）
- 提及英语工作能力（CET-6或雅思成绩），外企加分项
- 若缺乏大模型经验，可在线学习LangChain、vLLM等工具并做小项目
- 强化数据处理和机器学习基础，尤其是特征工程和模型评估
面试指南
- 使用STAR法则（情境-任务-行动-结果）回答项目经验类问题
- 技术原理问题：先给出定义，再联系实际应用，体现深度和广度
- 业务协作问题：强调沟通、理解需求和迭代交付的过程
- 请详细介绍一个你主导的AI项目，包括问题定义、技术选型和效果评估
- 解释Transformer架构的原理，以及LLM为什么需要微调和RAG
- 如何优化LLM推理延迟和吞吐量？介绍量化、蒸馏等方法
- 你如何处理数据不平衡问题？举例说明
- 你如何与业务团队协作推动AI项目落地？
职位点评
62
综合评分
外企汽车零部件巨头AI算法岗，前沿技术栈，成长空间大，但WLB不明确。
更适合这类人
最适合追求技术前沿和职业成长、对外企稳定性和培训资源有期待的求职者。
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45
使命价值60
薪资福利
60中等
职位未明确薪资和福利，但外企巨头通常提供有竞争力的薪酬和规范福利，薪资在当地属于中上水平。
薪资信号未披露（AI估算：15K-25K/月）
成长发展
85较高
职位深度涉及LLM、RAG等前沿技术，且有明确的继续教育和培训要求，技术成长空间大。
技术前沿前沿/新兴技术
技术栈机器学习、深度学习、NLP、LLM、LangChain、LlamaIndex、vLLM、Ollama、TGI、RAG、Agent、量化、蒸馏
成长机会持续教育、内部培训、外部培训
业务类型ambiguous
工作生活
45较低
仅现场办公，未提及弹性工作或远程，工作地点位于沈阳，通勤未知，无WLB相关描述。
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
60中等
汽车行业成熟稳定，AI应用有助于提升生产效率，但职位本身不直接面向社会价值，创新水平属于积极采用新技术。
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