德科斯米尔
Industrial Engineering ES
Industrial Engineering ES
发布于 大约 2 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
PyTorch
RAG
TensorFlow
LLM
Scikit-learn
vLLM
AI 估算 · 15k–25k
沈阳AI算法岗位，需3年经验和大模型技能，大公司薪资有竞争力，月薪15-25K合理。
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ES岗位，实际上专注于AI算法和大模型应用开发
你将在沈阳工厂负责机器学习、深度学习及NLP算法的设计与优化，参与LLM在对话系统、知识图谱等场景的落地，并管理模型从训练到部署的全生命周期
适合有3年以上AI经验、追求技术深度的工程师，但工作地点在沈阳，需现场办公
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，提升模型性能
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
熟悉数据处理技术及工具，利用机器学习算法完成数据聚类分布等，支撑LLM微调数据集
优化LLM推理流程，利用vLLM, Ollama, TGI等推理框架提升服务性能
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、Agent领域适配等工作
完成AI模型从训练、调参、测试到部署的全生命周期管理
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
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
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
- 技术栈前沿：聚焦大语言模型、RAG、Agent等热门AI技术，有助于保持技术竞争力
- 公司平台大：德科斯米尔是全球汽车零部件巨头，项目资源丰富，流程规范
- 职责完整：覆盖算法设计、开发、部署到培训的全链条，能积累全面的项目经验
- 有国际协作机会：英语作为工作语言，可能与海外团队合作，拓展视野
- 工作地点在沈阳，非一线城市，AI生态和职业机会相对有限
- 项目可能涉及传统工业与AI的结合，需要适应汽车行业的特定需求和技术栈
- 适合有3年以上AI经验、渴望深入大模型领域并能接受沈阳工作地点的技术型人才，尤其适合追求技术深度和规范流程的求职者
缺点 / 挑战
- 需要同时承担培训、文档、标准制定等非技术工作，对综合能力要求较高
角色解读
- 从AI算法工程师向高级算法专家或技术负责人发展，深耕大模型应用领域
- 横向扩展至工业工程或智能制造方向，结合公司汽车业务实现跨领域成长
- 在公司内部担任技术导师或培训师，参与国际项目，积累跨文化协作经验
- 设计和开发机器学习、深度学习及NLP算法，为具体业务场景定制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，并推动落地
- 使用LangChain、LlamaIndex等工具构建企业级AI应用系统，优化模型推理性能
- 管理AI模型从训练到部署的全生命周期，并负责内部技术培训与标准制定
- 精通Python及Pandas、Scikit-learn等数据处理工具，熟练掌握TensorFlow或PyTorch等深度学习框架
- 扎实的数学基础（线性代数、概率统计、优化理论），具备独立完成数据挖掘和特征工程的能力
- 有3年以上AI算法或大模型开发经验，主导过至少2个AI项目，熟悉LLM相关技术（RAG、Agent、模型微调等）
- 英语可作为工作语言，具备良好的文档编写和培训能力
申请策略
- 研究德科斯米尔的业务方向，在求职信中体现对汽车AI应用的兴趣，例如线束系统或内饰的智能化
- 面试前准备一个完整的AI项目案例，能够清晰阐述问题、方法、成果和你的角色
- 突出AI算法项目的完整经历，包括从数据预处理到模型部署的全流程，并注明在项目中的主导贡献
- 详细描述大模型相关经验，如LLM微调、RAG系统构建、Prompt Engineering等，附上具体技术细节和效果数据
- 强调数学基础（线性代数、概率统计）和编程能力（Python、TensorFlow/PyTorch），并列出GitHub或技术博客链接
- 展示英语能力，如英语论文阅读、国际会议参与或英文文档编写经历
- 如果缺乏大模型实战经验，可参加Kaggle比赛或开源项目（如LangChain、vLLM）积累案例
- 补充工业工程或汽车行业知识，理解AI在供应链、生产优化中的应用场景
面试指南
- 使用STAR结构（情境、任务、行动、结果）描述项目，重点突出技术难点和量化成果
- 对于技术实现类问题，先阐明原理和现有方案，再结合自身经验给出优化思路
- 对于系统设计问题，从需求分析、技术选型、架构设计到实验评估逐步展开，注意权衡取舍
- 请介绍一个你主导的AI项目，从需求分析到落地部署的完整过程
- 如何优化大语言模型的推理性能？请举例说明你使用过的技术
- 什么是RAG？请设计一个基于RAG的企业知识库问答系统
- 你如何处理数据不平衡问题？请结合一个实际案例
- 你对Transformer架构的理解？它在LLM中扮演什么角色？
职位点评
69
综合评分
沈阳外资大厂AI算法岗，前沿技术栈，薪资良好，但现场办公且WLB未明确。
更适合这类人
最适合追求技术前沿和职业成长的求职者，若更看重工作生活平衡则需谨慎考虑。
表现最好
成长发展
相对薄弱
工作生活
薪资福利70
成长发展85
工作生活50
使命价值70
薪资福利
70中等
薪资未明确披露，但公司为大型跨国企业，沈阳地区AI算法岗位薪资应处于中上水平。福利未在JD中列出，综合评分中等偏上。
薪资信号未披露（AI估算：15K-25K/月）
成长发展
85较高
职位聚焦LLM、RAG、Agent等前沿技术，技术栈新且深度大。JD明确提及内部培训（规划并实施培训），有利于技能成长，但未明确晋升通道。
技术前沿前沿/新兴技术
技术栈Python、TensorFlow、PyTorch、LLM、NLP、LangChain、vLLM、RAG、Agent、量化、蒸馏
成长机会规划并实施复杂主题的内部及外部培训
业务类型ambiguous
工作生活
50较低
工作地点在沈阳，需现场办公，未提及弹性工作或远程。沈阳生活成本较低，但工作强度未知，加班信号未明确。
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
汽车行业属于稳定成熟行业，AI应用可提升产品竞争力，具有一定社会价值。公司为行业巨头，项目规范，但创新主要体现在技术应用层面。
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