德科斯米尔
Industrial Engineering ES
Industrial Engineering ES
发布于 大约 15 小时前普通员工/个人贡献者
沈阳市
高级经验
全职员工
仅现场办公
本科
软件工程
机器学习
深度学习
NLP
数据挖掘
PyTorch
TensorFlow
LLM
模型优化
AI 估算 · 18k–30k
沈阳高级AI算法岗，跨国巨头，3年经验+项目主导，月薪18-30K，13薪
职位详情
关于这个职位
该职位是德科斯米尔的工业工程ES岗位，主要负责利用机器学习和深度学习技术开发AI解决方案，优化生产工艺
你将参与从算法设计到模型部署的全流程，并探索大语言模型在企业场景的应用
适合具备3年以上AI经验的技术专家
最低要求
至少本科学历，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
- 德科斯米尔为跨国巨头，平台稳定，提供国际化工作环境与培训机会
- 职责涵盖前沿AI技术（LLM、RAG等），技术积累丰厚，紧跟行业趋势
- 沈阳生活成本相对较低，岗位薪资在当地有竞争力
- 有机会参与内部标准制定与子项目管理，提升综合能力
- 职责范围宽广，需同时精通AI算法与工程化，对广度要求高
- 适合具备3年以上AI算法经验、热衷于大模型技术并希望在工业场景落地、同时具备项目管理潜力的技术专家
缺点 / 挑战
- 汽车行业对系统稳定性要求严格，生产环境压力较大
- 需持续学习新技术，保持技术先进性，工作强度可能较高
角色解读
- 技术方面可向AI专家、首席科学家方向发展，深耕大模型与工业AI应用
- 管理方面可晋升为技术主管、架构师，领导更大型的AI项目团队
- 行业方面可扩展至汽车智能制造、工业4.0领域，成为行业解决方案专家
- 负责机器学习、深度学习、NLP算法设计与开发，构建定制化AI解决方案
- 探索大语言模型（LLM）在对话系统、知识图谱等场景的应用，推动大模型落地
- 管理AI模型的全生命周期，包括训练、调优、测试和部署，确保生产环境稳定
- 参与内部标准制定与培训，承担子项目管理与复杂分析任务
- 扎实的数学基础（线性代数、概率统计、最优化）和Python编程能力
- 精通TensorFlow、PyTorch等深度学习框架，熟悉数据处理工具Pandas、Scikit-learn
- 掌握LLM相关技术，包括Prompt Engineering、RAG、Agent、模型轻量化
- 英语可作为工作语言，具备项目管理和跨部门协作能力
申请策略
- 提前了解德科斯米尔在汽车智能化方面的业务方向，面试中展示对工业AI场景的理解
- 准备1-2个完整的项目案例，详细讲解技术方案、挑战与成果
- 突出独立主导或深度参与AI项目的经历，尤其是从算法设计到部署的全流程
- 重点展示LLM相关项目经验，如对话系统、知识图谱、RAG等
- 强调技术栈熟练度：Python、TensorFlow/PyTorch、LangChain、数据工具
- 体现英语能力与跨部门协作经验，如有内部培训或标准制定经历更佳
- 若未接触LLM，可快速学习LangChain、vLLM等框架，并实践Prompt Engineering
- 补充模型轻量化技术（量化、蒸馏），了解工业部署要求
面试指南
- STAR法则：描述情境、任务、行动、结果，突出技术复杂性和个人贡献
- 对比法：比较不同技术方案（如微调 vs RAG），展示权衡能力和技术深度
- 结构化回答：先给出结论，再按步骤展开，强调数据、模型、部署的闭环
- 请详细介绍你主导的一个AI项目，从需求到部署的全过程
- 你在LLM微调或RAG方面有什么经验？如何处理垂直领域数据？
- 如何优化LLM推理性能？用过哪些框架和技术？
- 你对模型轻量化（量化、蒸馏）有什么理解？在什么场景下使用？
- 你如何与业务团队沟通，将AI技术转化为实际价值？
职位点评
68
综合评分
跨国平台，前沿AI技术栈，成长空间大，但办公灵活性有限。
更适合这类人
该职位最适合追求技术成长和前沿知识的发展型求职者，同时能接受相对传统的办公模式。
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85
工作生活50
使命价值60
薪资福利
75中等
跨国巨头提供稳定平台和竞争力薪资，沈阳地区薪资水平有优势，但JD未提及具体福利，整体补偿性较好。
薪资信号未披露（AI估算：18K-30K/月）
成长发展
85较高
岗位涉及前沿AI技术（LLM、RAG等），有内部培训和技术标准制定机会，成长性很好。
技术前沿前沿/新兴技术
技术栈机器学习、深度学习、LLM、RAG、LangChain、PyTorch、TensorFlow、量化、蒸馏
成长机会内部培训、继续教育
业务类型ambiguous
工作生活
50较低
岗位要求现场办公，但沈阳生活成本低，工作地点未明确；JD未提及弹性工作或加班情况，生活化程度一般。
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
汽车行业稳定，AI在工业场景有实际价值，但JD未强调社会使命感，整体意义感中等。
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