德科斯米尔
Industrial Engineering ES
Industrial Engineering ES
发布于 30 分钟前普通员工/个人贡献者
全职员工仅现场办公AI算法
AI算法
Large Language Models (Llm)
Machine Learning
Nlp
Prompt Engineering
Pytorch
Tensorflow
Vllm
值不值得投
74综合评分
综合评分 74
跨国车企背景、聚焦LLM前沿技术、沈阳本地化就业的高成长性技术岗位
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便横向比较。
薪资怎么样
2.8万
比AI算法中位数低
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 270 个在招 · 其中AI算法 8 个
市场机会
选择不多
沈阳 · AI算法 · 8 个在招
职位详情
关于这个职位
该职位是德科斯米尔（Dräxlmaier）沈阳工厂的工业工程（AI方向）专家，主要负责机器学习、深度学习及大语言模型（LLM）的算法设计与落地
工作涵盖从数据挖掘、模型训练调优到推理部署的全生命周期，旨在通过AI技术优化生产工艺并构建企业级智能应用系统
最低要求
本科及以上学历，计算机科学、数学、工业工程、人工智能应用等相关专业
扎实的数学基础，熟悉线性代数、概率统计和最优化理论
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或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
计划和实现现有产品和新产品的生产工艺
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
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
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
- 技术前沿：直接涉及LLM、RAG、Agent等当前最热门的AI技术方向，技能含金量高
- 平台稳定：德科斯米尔为跨国巨头，业务稳定，提供规范的流程和培训体系
- 落地场景真实：在汽车制造这一实体产业中落地AI，避免纯互联网的内卷，具备独特的行业壁垒
- 英语工作环境：有利于提升国际化视野和语言能力
- 技术迭代快：LLM领域变化迅速，需要保持高强度的持续学习
- 适合拥有3年以上AI算法经验，对大模型应用有热情，且希望将技术应用于实体经济/制造业的技术人才
缺点 / 挑战
- 传统行业数字化挑战：相比互联网公司，制造业的数据质量和基础设施可能相对薄弱，落地难度大
- 复合要求高：既需要深厚的算法功底，又需要理解工业工程和生产流程，跨界门槛较高
角色解读
- 纵向深化：成为AI算法专家或首席科学家，专注于大模型在工业垂直领域的深度应用
- 横向拓展：转向技术管理岗位（如AI团队Leader），负责更多子项目管理和跨部门协作
- 行业转型：积累制造业AI落地经验后，可向智能制造、工业互联网等高价值领域发展
- 负责AI算法（ML/DL/NLP）的设计、开发与落地，特别是针对汽车制造场景的定制化解决方案
- 深入参与大语言模型（LLM）的应用，包括Prompt工程、RAG、Agent开发及模型微调
- 优化模型推理性能（使用vLLM等框架）并管理模型全生命周期，确保生产环境稳定
- 作为技术专家，参与内部流程优化、标准制定及技术培训工作
- 扎实的Python编程能力及数学基础（线性代数、概率统计）
- 精通主流深度学习框架（PyTorch/TensorFlow）及数据处理工具
- 具备大模型应用开发经验，熟悉LangChain、LLaMA Index、vLLM等生态工具
- 具备独立主导AI项目从数据准备到部署上线的全流程能力
申请策略
- 准备英文简历和自我介绍，因为JD明确要求英语作为工作语言
- 面试中重点展示如何将通用AI技术与具体业务场景（如汽车内饰/线束生产）结合的思考
- 关注公司在沈阳基地的具体业务形态，展现你对‘AI+制造’落地的理解
- 突出LLM相关项目经验，特别是Prompt Engineering、RAG架构设计及Agent开发细节
- 强调模型优化能力，列举使用vLLM、量化蒸馏等技术提升推理性能的具体案例和数据
- 展示端到端的项目落地能力，从数据清洗、特征工程到模型部署的全流程描述
- 体现数学基础和算法原理的深度，而非仅仅调用API
- 深入学习LangChain/LlamaIndex的高级用法及企业级应用模式
面试指南
- STAR法则：情境(Situation)、任务(Task)、行动(Action)、结果(Result)，重点突出Action中的技术细节和你的贡献
- 问题导向：先阐述业务痛点，再引出技术方案，最后用数据证明效果（如准确率提升%、延迟降低ms）
- 对比分析：在回答技术选型问题时，说明为什么选择该技术而非其他备选方案
- 请详细介绍一个你主导的LLM应用项目，你是如何解决数据质量和幻觉问题的？
- 在实际生产中，如何优化LLM的推理延迟和吞吐量？你用过哪些具体工具和技术？
- 面对制造业非结构化数据，如何进行有效的特征工程和预处理？
- 如果业务部门提出的AI需求不切实际，你会如何沟通和处理？
- 请解释一下RAG架构在你的项目中的具体实现方式及优化策略
职位点评
薪资福利75
成长发展85
工作生活60
使命价值70
薪资福利
75中等
作为跨国巨头企业，薪资处于市场中上水平，福利体系完善，但沈阳地区的绝对薪资上限低于一线城市互联网大厂。
薪资信号未披露（AI估算：2.0千–3.5万/月）
成长发展
85较高
职位高度聚焦于LLM、RAG、Agent等前沿技术领域，且要求独立主导项目，技术成长空间巨大，符合高阶技术人才的职业发展需求。
技术前沿前沿/新兴技术
技术栈LLM、LangChain、vLLM、RAG、Prompt Engineering、PyTorch、TensorFlow
成长机会planning and conduct internal and external training、continuing education
业务类型profit_center
工作生活
60中等
工作地点在沈阳，生活成本相对较低，通勤压力小；但作为制造业外企的核心技术岗，可能需要应对项目交付压力，WLB取决于具体团队文化，JD未明确提及弹性工作制。
工作模式未明确
办公地点工厂/生产基地
加班情况未提及（无法判断）
使命价值
70中等
通过AI技术赋能传统汽车制造业，推动产业升级和智能化转型，具有明确的行业应用价值和社会意义，但社会影响力主要体现在行业内部。
行业发展稳定成熟行业
社会影响中性/一般
使命信号enhance your driving experience、automotive innovations
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
Sr. Associate Director, Software Engineering Specialist
汇丰 · 上海市
AI 估算 · 4.5–7.5万26 分钟前发布
大模型算法工程师
滴滴出行 · 北京市
AI 估算 · 4.0–7.0万35 分钟前发布
大模型应用开发工程师
阿里巴巴 · 杭州市
AI 估算 · 3.0–6.0万1 小时前发布
淘工厂技术-AI 应用开发工程师-托管方向
阿里巴巴 · 杭州市
AI 估算 · 2.5–4.5万1 小时前发布
社会招聘-校园招聘
汇顶科技 · 成都市
AI 估算 · 3.0–6.0万2 小时前发布
【社区专项】Personal Agent开发工程师
小红书 · 北京市
AI 估算 · 3.0–5.0万2 小时前发布
AI应用工程师-Agent方向
万华化学 · 烟台市
AI 估算 · 2.0–3.5万3 小时前发布
腾讯视频云大模型推理加速工程师
腾讯视频 · 深圳市
AI 估算 · 3.0–6.0万3 小时前发布
Watch Jobs