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)
Llm
Pytorch
Rag
Tensorflow
数据挖掘
机器学习
深度学习
自然语言处理
AI 估算 · 15k–25k
沈阳外资企业AI算法岗位，3年经验要求，技术门槛高，薪资竞争力较强，月薪1.5-2.5万，年终奖1个月。
职位详情
关于这个职位
该职位主要负责工业工程领域的AI算法开发与应用，专注于机器学习、深度学习和自然语言处理（NLP）技术，设计并实现基于大语言模型（LLM）的企业级AI解决方案
你将参与从数据挖掘、模型训练到推理优化的全流程，并推动AI技术在汽车零部件生产等场景中的落地
适合有3年以上AI研发经验、熟悉Python和深度学习框架的技术人才
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
- 接触前沿AI技术，包括LLM、RAG、Agent等，技能积累快
- 外资巨头平台，流程规范，有国际化培训和晋升机会
- 工作内容涉及全流程，从研究到部署，全面锻炼工程能力
- 沈阳生活成本低，薪资竞争力强，性价比高
- 对技术深度和广度要求高，需持续学习新框架和模型
- 适合有3年以上AI算法经验、热爱技术钻研、希望在工业场景中落地大模型技术的求职者
缺点 / 挑战
- 可能需要应对生产环境的高并发和延迟要求，压力较大
- 跨国协作要求英语流利，沟通成本较高
角色解读
- 在技术方向上可向高级算法专家或首席科学家发展，深耕LLM和AI工程化
- 在管理方向上可晋升为技术主管或项目经理，协调跨部门AI项目
- 可在公司内部转向更宽泛的工业4.0或智能制造领域，结合业务场景持续创新
- 设计和开发机器学习、深度学习及NLP算法，构建面向汽车制造场景的AI解决方案
- 独立完成数据挖掘、特征工程、模型训练与优化，提升模型性能
- 探索大语言模型（LLM）在对话系统、知识图谱等应用中的落地，优化推理流程
- 管理AI模型全生命周期，从训练到部署，并参与内部培训与标准制定
- 扎实的数学基础，熟悉线性代数、概率统计和优化理论
- 精通Python，掌握Pandas、Scikit-learn等数据处理工具
- 熟练使用至少一种深度学习框架（TensorFlow、PyTorch、MindSpore）
- 具备3年以上AI算法或大模型开发经验，有独立主导项目的经历
申请策略
- 了解德科斯米尔在汽车工业中的业务场景，思考AI如何优化生产工艺
- 准备一个与汽车制造相关的AI案例，展示你的业务理解能力
- 突出独立主导的AI项目经历，包括项目背景、你的具体贡献和技术难点
- 详细列出使用的深度学习框架、大模型相关工具（如LangChain、vLLM）和优化方法
- 强调数学基础、数据处理能力和模型部署经验
- 附上GitHub链接或技术博客展示代码能力和项目成果
- 补充LLM相关技能：熟悉Prompt Engineering、RAG、模型微调等
- 掌握推理优化框架（vLLM、Ollama）和模型轻量化技术（量化、蒸馏）
面试指南
- STAR法则：情境、任务、行动、结果，清晰呈现项目全貌
- 技术对比：列出多种方案的优缺点，展示你的技术广度
- 因果分析：解释为什么选择某种技术，以及它如何解决问题
- 请详细描述一个你主导的AI项目，包括问题定义、算法选型、性能优化和部署过程
- 如何优化LLM的推理速度？你有使用过哪些框架或技术？
- 解释Transformer架构的核心原理，以及它在LLM中的应用
- 如何处理数据不平衡问题？请举例说明
- 在微调大模型时，如何选择微调策略（如全参数微调 vs LoRA）？
职位点评
74
综合评分
外资巨头AI研发岗，前沿技术栈，发展空间大，但办公模式偏传统。
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
最适合追求技术成长和前沿技能积累的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利80
成长发展90
工作生活50
使命价值60
薪资福利
80较高
薪资在沈阳属于中上水平，外资企业福利完善，但具体薪资未公开，面议可能性大。
薪资信号面议 (15K-25K/月)
成长发展
90较高
职位涉及前沿LLM技术，有内部培训和国际协作机会，成长性强。
技术前沿前沿/新兴技术
技术栈机器学习、深度学习、NLP、LLM、RAG、LangChain、vLLM
成长机会继续教育、培训、internal publications
业务类型ambiguous
工作生活
50较低
沈阳现场办公，未提及弹性工作，但外资企业通常WLB较好。无明确远程政策。
工作模式未明确
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赋能制造业有社会价值，但岗位不直接面向终端用户。
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