德科斯米尔
Industrial Engineering ES
Industrial Engineering ES
发布于 大约 4 小时前普通员工/个人贡献者
全职员工仅现场办公工业工程
工业工程
Llm
Pytorch
Rag
Scikit-Learn
Tensorflow
Vllm
工业工程
值不值得投
71综合评分
综合评分 71
跨国企业AI工程师，技术前沿，成长性好，但工作地点固定，薪资未明确。
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。
薪资怎么样
20K
比工业工程中位数高
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 170 个在招 · 其中工业工程 33 个
市场机会
选择不多
沈阳 · 工业工程 · 9 个在招
职位详情
关于这个职位
该职位是德科斯米尔（沈阳）汽车零部件有限公司的工业工程专家，主要负责生产工艺的规划与实现，同时深度参与AI算法与大模型应用开发，包括机器学习、深度学习、NLP、LLM、RAG等，推动AI技术在汽车制造场景的落地
需要至少3年AI算法或大模型开发经验，英语可作为工作语言
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
- 汽车行业与AI结合，技术应用场景明确，有实际落地价值
- 公司为跨国企业，平台大，可接触国际项目与培训
- 工作内容涵盖算法开发、大模型应用、项目管理，技能提升全面
- 需要同时具备工业工程与AI技术背景，跨领域要求高
- 工作地点在沈阳，相比一线城市，AI技术生态和机会可能较少
- 涉及培训与汇报，需要较强的沟通和英语能力
- 适合有AI算法经验，希望将技术应用于传统制造业，并愿意在沈阳长期发展的求职者
缺点 / 挑战
暂无明显挑战项
角色解读
- 可向AI算法专家或大模型应用架构师方向发展
- 有机会晋升为技术团队负责人，管理AI项目
- 在汽车工业领域深耕，成为智能制造与AI结合的复合型人才
- 负责工业工程相关的生产工艺规划与实施，同时将AI技术应用于生产流程优化
- 主导机器学习、深度学习、NLP等算法的设计与开发，构建定制化AI解决方案
- 探索大模型（LLM）在对话系统、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，包括训练、调优、部署，并参与内部培训与标准制定
- 精通Python，熟悉Pandas、Scikit-learn等数据处理工具
- 熟练掌握TensorFlow、PyTorch等深度学习框架
- 具备扎实的数学基础，包括线性代数、概率统计、最优化理论
- 熟悉LLM相关技术，如RAG、Agent、模型轻量化（量化、蒸馏）
申请策略
- 了解德科斯米尔在汽车工业中的业务，特别是线束和内饰
- 面试时展示对AI在制造业应用的理解，如质量检测、生产优化
- 突出至少2个AI项目的完整开发经验，强调算法设计与落地效果
- 强调大模型（LLM）应用经验，如RAG、LangChain、模型微调等
- 展示Python、TensorFlow/PyTorch等技能，以及数据处理能力
- 如有工业工程或制造业背景，务必突出
- 补充学习LangChain、vLLM等大模型工具链
- 熟悉RAG、Agent等大模型应用架构
面试指南
- 用STAR法则回答项目经验：情境、任务、行动、结果
- 技术问题先讲原理，再结合项目实例
- 对于跨领域问题，强调你的学习能力和解决问题的思路
- 请描述一个你主导的AI项目，从需求到落地的过程
- 如何优化LLM推理性能？你用过哪些框架？
- 如何构建RAG系统？如何处理知识库的更新？
- 你如何将AI技术应用于工业工程场景？
- 你如何确保模型在生产环境中的稳定性？
职位点评
薪资福利70
成长发展85
工作生活50
使命价值75
薪资福利
70中等
该职位薪资未明确，但作为跨国企业，福利可能较完善，但沈阳薪资水平相对一线城市偏低。
薪资信号未披露（AI估算：15K-25K/月）
成长发展
85较高
职位涉及前沿AI技术，如LLM、RAG，且提供内部培训机会，成长空间大。
技术前沿前沿/新兴技术
技术栈Python、TensorFlow、PyTorch、LLM、RAG、LangChain
成长机会培训、持续教育
业务类型ambiguous
工作生活
50较低
工作地点在沈阳，可能为工厂环境，工作模式未明确，可能需现场办公。
工作模式未明确
办公地点工厂/生产基地
加班情况未提及（无法判断）
使命价值
75中等
汽车工业与AI结合，推动智能制造，具有行业前景，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