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
全职员工仅现场办公人工智能
人工智能
Nlp
Prompt Engineering
Pytorch
Rag
Tensorflow
大语言模型
数据分析
机器学习
深度学习
值不值得投
69综合评分
综合评分 69
技术前沿、AI深度开发岗，成长性强，但工作模式与行业属性可能影响WLB。
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。
薪资怎么样
29K
比人工智能中位数低
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 210 个在招 · 其中人工智能 5 个
市场机会
选择不多
沈阳 · 人工智能 · 5 个在招
职位详情
关于这个职位
该职位为德科斯米尔汽车的AI算法工程师，核心职责是进行AI算法研发，特别是大规模语言模型（LLM）的应用与开发
你需要独立负责从数据处理、模型训练、微调到部署的全流程，推动AI技术在企业级场景（如对话系统、知识图谱、智能推荐）的落地
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、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（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，深入参与大语言模型（LLM）等当前最热门的AI技术应用，能积累宝贵的实战经验
- 作为跨国汽车企业中的AI岗位，项目可能具有一定的行业深度和实际落地价值
- 工作内容覆盖算法研发全流程，能锻炼端到端的项目交付能力
- AI技术发展迅速，特别是大模型领域，需要持续高强度学习以跟上技术迭代
- 作为传统制造企业引入的AI岗位，可能需要适应其内部的工作流程与文化
- 适合具备3年以上AI算法开发经验，对大语言模型有浓厚兴趣和实践，追求技术深度，并希望将前沿AI技术应用于实际产业场景的工程师
缺点 / 挑战
- 职位要求独立负责项目落地，对个人综合能力（技术、沟通、项目管理）要求较高
角色解读
- 可向AI算法专家、技术负责人方向发展，专注于特定领域（如NLP、多模态）的深度研究
- 可成长为AI架构师，负责更复杂系统的整体技术方案设计
- 在积累了行业知识后，可转向AI产品经理或技术管理岗位，推动AI技术与业务的深度融合
- 负责AI算法的全周期研发，特别是针对大语言模型的微调、优化和应用系统构建
- 独立设计并实现面向具体业务场景的AI解决方案，如智能对话、知识图谱等
- 负责模型从训练到部署的落地工作，确保在生产环境中稳定高效运行
- 参与技术趋势研究、内部流程优化及项目子模块的协调管理
- 需要扎实的机器学习、深度学习理论基础，特别是大语言模型（LLM）相关技术
- 精通Python编程及主流深度学习框架（PyTorch/TensorFlow），熟练使用数据处理和MLOps工具
- 具备独立负责AI项目从设计到部署的完整经验，包括数据处理、模型训练、优化和上线
- 良好的英语沟通能力，能够阅读文献和进行跨国技术协作
申请策略
- 在求职信或面试中，表达你对将AI技术应用于汽车行业的兴趣，展示你对该场景的理解
- 研究德科斯米尔的业务和产品，思考AI技术（如质检、智能设计、供应链优化）可能如何与之结合
- 重点突出至少2个完整的AI项目经历，清晰描述你在其中承担的算法设计、开发和部署职责
- 详细列出掌握的AI技术栈，尤其是与LLM相关的框架、工具和实践经验（如RAG、Prompt Engineering、模型微调）
- 强调独立解决问题和推动项目落地的能力，可附上项目成果或技术博客
- 复习并强化机器学习、深度学习的核心理论，特别是Transformer架构、大语言模型原理
- 实践最新的LLM应用框架（如LangChain, LlamaIndex）和部署优化工具（如vLLM），可进行个人项目练手
- 准备用英语进行技术交流，熟悉AI领域常见术语的英文表达
面试指南
- 对于项目经验问题，使用STAR法则（情境、任务、行动、结果）结构化描述，突出你的技术决策和量化成果
- 对于技术设计问题，先阐述核心思路和原理，再结合具体工具和框架说明实现方案，最后提及可能遇到的挑战和优化方向
- 对于场景应用问题，结合汽车行业的特点（如质量控制、个性化内饰设计、智能客服）进行分析，体现你的业务思考能力
- 请介绍一个你独立负责的AI项目，从需求分析到模型部署的完整流程
- 在构建基于大语言模型（LLM）的应用时，你如何进行Prompt Engineering和RAG系统设计？
- 如何解决模型在训练或推理过程中的性能瓶颈（如延迟高、吞吐量低）？
- 描述你处理过的一个最复杂的AI数据集，你是如何进行数据清洗、特征工程和分析的？
- 你认为在制造业场景中应用AI，最大的挑战和机遇是什么？
职位点评
薪资福利70
成长发展82
工作生活50
使命价值65
薪资福利
70中等
作为跨国汽车企业的AI岗位，薪资应有一定市场竞争力，但JD未明确披露具体待遇。
薪资信号未披露（AI估算：22K-35K/月）
成长发展
82较高
职位要求接触并深入应用大语言模型（LLM）等前沿技术，技术栈现代，能提供深度的技术成长机会。
技术前沿前沿/新兴技术
技术栈Python、PyTorch、TensorFlow、LLM、NLP、RAG、Prompt Engineering、vLLM、LangChain
成长机会继续教育需求、内部及外部培训
业务类型ambiguous
工作生活
50较低
JD未明确说明办公模式（远程、混合等），且汽车零部件企业通常需要现场支持生产或测试。
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
65中等
汽车制造业是成熟行业，但AI技术的引入能推动产品和生产流程的创新，具有一定社会价值。
行业发展稳定成熟行业
社会影响中性/一般
使命信号贡献其知识、技能和汽车激情、为共同成功贡献力量
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