德科斯米尔
Industrial Engineering ES
Industrial Engineering ES
发布于 大约 1 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)
Llamaindex
Llm
Pytorch
Rag
Scikit-Learn
Tensorflow
Vllm
AI 估算 · 15k–25k
基于沈阳地区AI算法岗位市场薪酬，3年经验且为跨国巨头，薪资处于中上水平。
职位详情
关于这个职位
该职位主要负责AI算法（机器学习、深度学习、NLP）的设计与开发，构建定制化AI解决方案，并探索大语言模型（LLM）在企业级场景的应用
您将参与模型全生命周期管理，包括数据挖掘、训练优化、推理部署等，同时需承担内部培训及标准流程优化工作
适合具备3年以上AI经验、精通Python和深度学习框架的工程师
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（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算法研发或大模型应用开发经验
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
独立完成数据挖掘、特征工程、模型训练与调优
探索大语言模型（LLM）在对话系统、知识图谱、内容生成、智能推荐等应用场景
设计实现Prompt Engineering方案，结合LangChain、LlamaIndex等工具构建企业级AI应用系统
熟悉数据处理技术及工具，利用机器学习算法完成数据聚类分布等
优化LLM推理流程，利用vLLM、Ollama、TGI等推理框架提升服务性能
参与大模型继续预训练、微调、RAG、Agent领域适配
管理AI模型全生命周期（训练、调参、测试到部署）
担任内外部联络人
编制内部文件并汇报
识别内部培训需求，规划并实施复杂主题培训
协助制定并优化内部标准与流程
观察/识别专业领域趋势，提出行动建议
开展概念性工作
管理、控制和协调子项目
进行复杂分析以优化流程
AI 洞察
优缺点分析
优点
- 技术前沿：聚焦LLM、RAG、Agent等大模型技术，紧跟行业趋势
- 平台优质：德科斯米尔作为跨国巨头，资源丰富，项目影响力大
- 技能积累：覆盖算法开发、模型部署、培训等多维度能力，职业发展空间广
- 技能要求全面：需同时掌握传统机器学习、深度学习及LLM，学习曲线陡峭
- 工作强度：可能涉及多个项目并行，且需承担培训与流程优化等额外职责
- 适合具备3年以上AI经验、热爱大模型技术、愿意在跨国环境中成长的工程师，尤其对算法落地和跨部门协作感兴趣者
缺点 / 挑战
- 英语工作环境：需用英语进行技术沟通和文档编写，语言门槛较高
角色解读
- 纵向晋升为高级算法专家或技术负责人，主导核心AI项目
- 横向转型为AI架构师，负责企业级AI平台设计与规划
- 发展至管理岗位，带领算法团队并推动业务创新
- 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）在对话系统、知识图谱、内容生成等场景的应用，推动企业级落地
- 管理AI模型全生命周期，从训练、调优到部署，确保生产环境稳定高效
- 担任内部技术专家，提供培训并参与标准流程制定
- 精通Python及数据科学生态（Pandas、Scikit-learn），扎实的数学功底
- 熟练使用TensorFlow、PyTorch等深度学习框架，掌握LLM相关技术（LangChain、RAG等）
- 具备独立主导AI项目的经验，熟悉模型优化、推理加速及量化蒸馏
- 英语可作为工作语言，具备良好的跨部门协作能力
申请策略
- 提前了解德科斯米尔在汽车智能化领域的业务方向，结合自身项目经验展示行业契合度
- 准备一个LLM落地案例的完整思路，从数据准备到部署评估，体现系统性能力
- 突出2个以上完整AI项目的算法设计、开发与落地经历，强调量化成果
- 详细描述LLM相关经验，如RAG、Prompt Engineering、LangChain的使用场景
- 展示数学基础和相关论文/专利，体现理论深度
- 注明英语水平，尤其是技术文档撰写和口语交流经验
- 补全LLM推理优化技术（vLLM、量化、蒸馏），以及RAG和Agent框架
- 强化Transformer模型原理和分布式训练经验，可关注DeepSpeed等工具
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
- 技术对比：面对类似场景，比较不同方案的优劣，展示决策能力
- 问题分解：将复杂问题拆解为数据、模型、部署等模块，条理清晰
- 请介绍一个你主导的AI项目，包括算法选择、模型优化和落地效果
- 你对LLM的推理优化有哪些经验？比如vLLM、量化或蒸馏
- 如何设计一个RAG系统？如何处理数据分块和检索质量？
- 你如何看待大模型在工业场景（如汽车制造）的应用？
- 请解释Transformer中的自注意力机制，以及如何针对长序列优化
职位点评
64
综合评分
跨国巨头AI算法岗，前沿大模型技术栈，发展机会优越但工作灵活性低。
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
适合以技术成长为首要目标、愿意接受现场办公的AI工程师。
表现最好
成长发展
相对薄弱
工作生活
薪资福利60
成长发展90
工作生活30
使命价值70
薪资福利
60中等
薪资未明确披露，但结合AI岗位市场水平预估偏高，福利未提及，整体补偿性一般。
薪资信号未披露（AI估算：15K-25K/月）
成长发展
90较高
该职位聚焦前沿大模型技术，提供内部培训与项目主导机会，发展空间大。
技术前沿前沿/新兴技术
技术栈Python、TensorFlow、PyTorch、LLM、LangChain、LlamaIndex、vLLM、RAG、Prompt Engineering
成长机会内部培训、外部培训
业务类型ambiguous
工作生活
30较低
要求现场办公，且未提及弹性工作或WLB，生活化动机满足程度较低。
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
70中等
汽车行业稳定，AI技术应用于工业场景具有积极意义，但社会影响力中性。
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