德科斯米尔
Industrial Engineering ES
Industrial Engineering ES
发布于 大约 3 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)
机器学习
深度学习
数据挖掘
PyTorch
RAG
自然语言处理
TensorFlow
特征工程
大语言模型
AI 估算 · 15k–25k
沈阳AI算法岗，外企稳定性好，薪资竞争力中等，但技术含量高。
职位详情
关于这个职位
该职位是德科斯米尔（汽车零部件巨头）在沈阳的AI算法工程师岗位，负责机器学习、深度学习、NLP和LLM的算法设计与开发，推动AI技术在智能制造场景落地
你将负责从数据挖掘、模型训练到部署优化的全生命周期，并参与大模型预训练、微调、RAG等工作
要求3年以上AI经验，精通Python和深度学习框架，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
· 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
- 德科斯米尔作为跨国巨头，平台稳定，资源丰富，适合技术深耕
- 接触前沿AI大模型技术（LLM、RAG等），紧跟行业趋势
- 沈阳AI岗位相比一线城市机会较少，薪资上限可能受限
- 需要同时掌握算法研发与工程部署，技能要求全面
- 汽车行业数字化转型中，需快速适应业务需求
- 适合有3年以上AI经验、希望在汽车行业积累大模型落地经验的技术型人才，追求稳定与平衡的求职者
缺点 / 挑战
- 沈阳生活成本低，工作与生活平衡度较高
角色解读
- 从算法工程师向高级算法专家或技术负责人发展，深入AI细分领域
- 可转向大模型架构师或AI项目经理，兼顾技术与管理
- 在汽车行业智能制造领域积累经验，跨行业前景广阔
- 负责机器学习、深度学习模型的设计与开发，针对业务场景定制AI解决方案
- 进行数据挖掘、特征工程和模型调优，提升模型性能
- 探索大语言模型在对话系统、知识图谱等场景的应用，并推动落地
- 参与模型部署、推理优化和全生命周期管理
- 精通Python及数据处理工具（Pandas、Scikit-learn）
- 熟悉TensorFlow、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LLM、RAG、Agent等大模型技术经验
申请策略
- 了解德科斯米尔的业务（线束、内饰），思考AI如何赋能智能制造
- 准备英文面试，展示跨文化沟通能力
- 突出AI项目经验，特别是主导或完整参与的项目，量化成果（如准确率提升）
- 强调大模型相关技能（LLM、LangChain、RAG等），展示前沿技术能力
- 体现工程化能力：模型部署、推理优化、全生命周期管理
- 补充LLM推理框架（vLLM、Ollama）和模型轻量化技术
- 加强英语能力，以符合工作语言要求
- 关注汽车行业AI应用案例，如自动驾驶、智能座舱
面试指南
- 用STAR方法（情境、任务、行动、结果）回答项目经验
- 技术问题先阐述概念，再结合具体实践案例
- 请详细介绍一个你主导的AI项目，包括技术选型、挑战和解决方案
- 你如何选择预训练模型？如何做微调？
- 解释RAG的工作原理以及你如何实现？
- 谈谈你对模型推理优化的经验（量化、蒸馏）
- 你如何评估模型在生成环境中的性能？
- 复习机器学习、深度学习基础知识，准备数学推导
职位点评
70
综合评分
沈阳外企AI算法岗，前沿技术栈，薪资中上，工作生活平衡一般。
更适合这类人
适合以技术成长为核心动机的求职者，追求前沿技术积累和稳定平台。
表现最好
成长发展
相对薄弱
使命价值
薪资福利70
成长发展85
工作生活65
使命价值60
薪资福利
70中等
薪资处于沈阳中高水平，外企福利完善，但相比一线城市偏低。
薪资信号未披露（AI估算：15K-25K/月）
成长发展
85较高
技术栈前沿（LLM、深度学习），有培训机会，成长空间大。
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
成长机会持续教育需求、内部及外部培训
业务类型ambiguous
工作生活
65中等
沈阳办公，现场工作，外企文化可能较平衡，但未明确工作模式。
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赋能智能制造有一定社会价值，但并非直接的高社会影响力。
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