德科斯米尔
Industrial Engineering ES
Industrial Engineering ES
发布于 大约 14 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
Llamaindex
Llm
Mindspore
Nlp
Ollama
Pytorch
Rag
Scikit-Learn
Tensorflow
AI 估算 · 15k–25k
沈阳外资企业AI算法岗，3年以上经验，薪资处于市场中等偏上水平
职位详情
关于这个职位
该职位是德科斯米尔（沈阳）的工业工程与AI算法工程师岗位，专注于机器学习、深度学习及大模型（LLM）在制造场景的应用
你将负责算法设计、模型训练、推理优化及全生命周期管理，同时参与内部培训与标准制定，适合有3年以上AI开发经验、熟悉Python和主流框架的工程师
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
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（大模型、RAG、Agent），紧跟行业趋势
- 提供内部培训与国际培训机会，重视员工成长
- 外资企业，工作流程规范，稳定性高，沈阳生活成本相对较低
- 可深度参与工业场景下的AI落地，具有实际应用价值
- 外资企业可能对英语沟通能力有一定要求，日常需用英文工作
- AI技术迭代快，需要持续学习以保持竞争力
- 适合有3年以上AI开发经验、热衷于技术探索、希望在外资平台稳定发展的中高级算法工程师
缺点 / 挑战
- 需要同时掌握算法开发、大模型应用、推理优化等多领域技能，对综合能力要求较高
角色解读
- 可在技术方向深耕，从算法工程师成长为AI专家或首席科学家
- 可向管理方向发展，担任项目负责人或团队Leader，领导AI项目落地
- 跨领域发展，结合工业工程背景，成为智能制造与AI融合的复合型人才
- 负责机器学习与深度学习算法的设计、开发与调优，构建针对业务场景的定制化AI解决方案
- 探索并落地大型语言模型（LLM）在对话系统、知识图谱、智能推荐等场景，优化推理性能与模型轻量化
- 管理AI模型全生命周期，包括训练、调参、部署与维护，同时参与内部培训及标准制定
- 精通Python，熟悉Pandas、Scikit-learn等数据处理工具，掌握TensorFlow/PyTorch/MindSpore至少一种框架
- 深入理解LLM相关技术，包括RAG、Agent、Prompt Engineering，以及推理框架vLLM、Ollama等
- 具备扎实的数学基础（线性代数、概率统计、优化理论）和至少3年AI算法开发经验
申请策略
- 在求职信中表达对汽车行业或智能制造的兴趣，体现与公司业务的契合度
- 提前了解德科斯米尔的产品与文化，展示长期发展的意愿
- 重点突出独立主导或完整参与的AI项目，尤其是LLM相关经验
- 强调在模型优化、推理部署方面的实际成果，如降低延迟、提升吞吐量等量化指标
- 展示技术栈的广度与深度，包括Python、TensorFlow/PyTorch、LangChain等工具
- 如果有工业或制造行业的AI应用案例，务必突出
- 若缺乏LLM实践经验，可先通过公开课程或项目快速学习RAG、LangChain等
- 提升英语口语和书面能力，以应对日常工作与培训需求
面试指南
- STAR法则：描述项目背景、任务、行动和结果，突出个人贡献与技术难点
- 结构化思考：从需求分析、技术选型、实现步骤到优化方案，逐步展开
- 结合业务：强调技术方案如何服务于业务目标，体现工程化思维
- 请介绍一个你主导的AI项目，包括技术选型、模型优化和落地效果
- 如何设计一个基于LLM的智能客服系统？请描述整体架构
- 针对生产环境下的LLM推理，你会如何优化以实现低延迟和高吞吐？
- 谈谈你对RAG技术的理解，以及在实际应用中如何解决检索相关性与生成质量的问题
- 你如何看待AI在汽车制造业中的应用？有什么具体场景可以落地？
职位点评
65
综合评分
外资稳定平台，前沿AI技术，成长导向，现场办公且WLB信息不明
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
最适合注重技术成长和职业发展、愿意接受现场办公的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利65
成长发展85
工作生活40
使命价值60
薪资福利
65中等
薪资未在JD中明确，但根据沈阳外资企业水平，薪资应在市场中上，且有内部培训福利，补偿性动机有一定满足。
薪资信号未披露（AI估算：15K-25K/月）
成长发展
85较高
职位涉及大量前沿AI技术（LLM、RAG、Agent），并提供内部及国际培训，成长空间大。
技术前沿前沿/新兴技术
技术栈Python、TensorFlow、PyTorch、MindSpore、Pandas、Scikit-learn、LLM、LangChain、LlamaIndex、vLLM、Ollama、TGI、机器学习、深度学习、NLP、RAG、Agent
成长机会培训、内部培训、国际培训
业务类型ambiguous
工作生活
40较低
要求现场办公，未提供弹性工作或远程选项，且无WLB相关提示，生活化动机满足度较低。
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
处于稳定成熟的汽车行业，AI应用有助于智能制造，但行业增长平稳，社会影响力一般。
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