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
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
数据挖掘
PyTorch
RAG
TensorFlow
LLM
AI 估算 · 15k–25k
沈阳AI算法岗，3年经验，外资企业，薪资中等偏上，每月15k-25k
职位详情
关于这个职位
该职位主要负责AI算法的设计与开发，包括机器学习、深度学习、NLP等领域，构建面向业务场景的定制化AI解决方案
您将参与大语言模型（LLM）的应用落地，优化模型性能，并管理AI模型的全生命周期
加入德科斯米尔，您将有机会在沈阳的全球汽车零部件巨头中，推动AI技术在工业场景中的创新应用
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，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
- 接触前沿AI技术（LLM、RAG、Agent），技能积累快
- 外资巨头，平台稳定，有完善的培训和国际合作机会
- 沈阳生活成本低，薪资在当地有竞争力
- 参与从研究到落地的完整流程，成就感强
- 沈阳本地AI生态相对薄弱，同行交流机会少
- 职位要求全面（算法+工程+项目协调），对综合能力要求高
- 适合热爱AI前沿技术、喜欢动手实现、愿意在制造业深耕的技术型人才
缺点 / 挑战
- 技术更新快，需要持续学习，工作压力可能较大
角色解读
- 技术深耕：从算法工程师向高级算法专家、首席科学家发展
- 管理路线：带领团队，成为AI技术负责人或部门经理
- 跨领域扩展：结合工业场景，成为AI+制造领域的复合型人才
- 设计并开发机器学习、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，推动落地
- 管理AI模型全生命周期：从训练、调优到部署，优化推理性能
- 与内部团队协作，参与培训、标准制定和项目协调
- 扎实的数学基础（线性代数、概率统计、优化理论）
- 精通Python及数据处理工具（Pandas、Scikit-learn）
- 熟练使用至少一种深度学习框架（TensorFlow、PyTorch、MindSpore）
- 熟悉LLM相关技术（Prompt Engineering、RAG、模型轻量化、推理优化）
申请策略
- 提前了解德科斯米尔的业务（汽车线束、内饰），思考AI如何赋能
- 准备英文面试，可能涉及技术问题和项目阐述
- 突出AI项目经验：详细描述2个以上完整项目的技术栈、你的贡献和成果
- 强调LLM相关实践：如RAG、Prompt Engineering、模型微调等
- 展示工程能力：Python、框架使用、性能优化等
- 如有英语工作环境经历，务必提及
- 补充LLM推理优化工具（vLLM、Ollama、TGI）的实战经验
- 学习模型轻量化技术（量化、蒸馏）
面试指南
- STAR法则：情境、任务、行动、结果，突出技术细节和量化成果
- 对比不同方案：说明为什么选择某个技术，优缺点及权衡
- 结合具体场景：从业务需求出发，强调落地效果和可扩展性
- 请详细介绍一个你主导的AI项目，包括问题定义、数据、模型选择和效果
- 如何优化LLM推理的延迟和吞吐量？
- 谈谈你对RAG的理解及其在实际应用中的挑战
- 如何将一个大模型应用到企业级场景？需要考虑哪些因素？
- 你如何处理数据不平衡问题？
职位点评
70
综合评分
外资车企AI算法岗，前沿技术，发展空间大，但工作灵活性和WLB一般。
更适合这类人
最适合追求技术成长和职业发展的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利75
成长发展90
工作生活50
使命价值65
薪资福利
75中等
外资企业，沈阳薪资中等偏上，福利较好，但未明确提及具体福利。
薪资信号未披露（AI估算：15K-25K/月）
成长发展
90较高
职位涉及前沿AI技术（LLM、RAG等），有内部培训和国际合作机会，成长空间大。
技术前沿前沿/新兴技术
技术栈LLM、RAG、Agent、NLP、深度学习、机器学习
成长机会内部培训、外部培训
业务类型profit_center
工作生活
50较低
仅现场办公，未提及弹性工作或WLB，沈阳通勤可能便利，但整体灵活性低。
工作模式仅现场办公
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
65中等
汽车行业稳定成熟，AI赋能制造有一定社会价值，但非直接改善民生。
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