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
软件工程
机器学习
深度学习
NLP
数据挖掘
PyTorch
RAG
TensorFlow
Scikit-learn
模型蒸馏
AI 估算 · 20k–30k
沈阳AI算法岗位，3年经验，外企巨头，薪资高于市场平均水平
职位详情
关于这个职位
德科斯米尔（沈阳）正在招聘工业工程ES职位，实际负责AI算法与大模型开发
你将参与从算法设计、训练到部署的全流程，探索大语言模型在对话、知识图谱等场景的企业级落地
该职位要求本科及以上学历，3年以上AI算法经验，精通Python和深度学习框架，适合想在沈阳接触前沿技术的工程师
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，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
- 外企巨头，平台稳定，福利完善，提供国内外培训机会
- 接触前沿AI技术（LLM、RAG、Agent等），技术成长快
- 沈阳地区薪资有竞争力，生活成本较低
- 要求独立主导项目，对综合能力和解决问题能力要求高
- 需同时掌握算法研究和工程部署，技能栈较广
- 适合有3年以上AI算法经验、对LLM技术充满热情、希望在沈阳稳定发展的工程师
缺点 / 挑战
- 外企对英语沟通能力有较高要求
角色解读
- AI算法工程师 → 资深算法专家或大模型架构师
- 可转向AI项目经理或技术团队负责人
- 在外企积累国际化经验，发展空间广阔
- 负责机器学习、深度学习算法设计与开发，构建定制化AI解决方案
- 探索大语言模型在对话、知识图谱等场景的应用，推动LLM企业级落地
- 优化模型推理流程，管理模型从训练到部署的全生命周期
- 精通Python及TensorFlow/PyTorch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
- 熟悉数据处理工具Pandas/Scikit-learn，以及大模型相关技术栈（LangChain、RAG等）
申请策略
- 准备英文简历和英文面试，展示英语沟通能力
- 了解德科斯米尔公司业务和汽车行业AI应用场景，面试中体现对行业的理解
- 突出独立主导或完整参与的AI项目经历，强调算法设计、训练、部署全过程
- 详细列出Python、TensorFlow/PyTorch、Pandas等工具的使用经验
- 如有LLM相关项目（如微调、RAG、Agent）更佳，重点描述挑战与成果
- 学习LangChain、LlamaIndex等LLM应用框架的使用
- 练习模型量化、蒸馏等轻量化技术，提升工程部署能力
面试指南
- 对于项目类问题，使用STAR法则（情境、任务、行动、结果）结构化回答
- 对于技术问题，先解释概念，再结合你的实际经验举例，最后总结要点
- 请介绍一个你独立主导的AI项目，包括算法选型、数据处理和最终效果
- LLM微调的关键步骤有哪些？你如何评估微调效果？
- 解释Prompt Engineering的原理，并举例说明如何优化Prompt
- 如何处理模型推理速度和准确率的权衡？
- 你对RAG和Agent技术有什么理解？如何在实际场景中应用？
- 复习机器学习、深度学习核心算法，准备一个完整的项目案例，能够清晰讲解
职位点评
66
综合评分
外企AI算法岗，前沿LLM技术栈，稳定平台，沈阳现场办公，成长性强。
更适合这类人
适合追求技术前沿、渴望在成熟外企稳定发展的求职者。
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85
工作生活50
使命价值60
薪资福利
70中等
未在JD中明确薪资，但作为全球巨头，薪资福利应有竞争力，沈阳岗位性价比高。
薪资信号未披露（AI估算：20K-30K/月）
成长发展
85较高
职位涉及LLM、RAG等前沿技术，并提供持续教育和培训机会，技术成长空间大。
技术前沿前沿/新兴技术
技术栈Python、TensorFlow、PyTorch、LLM、LangChain、RAG、深度学习
成长机会持续教育、培训
业务类型ambiguous
工作生活
50较低
未提及远程办公或弹性工时，工作地点沈阳现场，外企可能保持合理工时但未明确。
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应用推动行业创新，社会影响中性。
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