德科斯米尔
Industrial Engineering ES
Industrial Engineering ES
发布于 大约 8 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
机器学习工程
Llm
Nlp
Pytorch
Rag
Tensorflow
Vllm
机器学习
深度学习
AI 估算 · 15k–30k
3年AI算法经验叠加紧缺的大模型技能，外资企业沈阳薪资处于中上水平，月薪1.5-3万合理。
职位详情
关于这个职位
这是德科斯米尔沈阳工厂的AI算法工程师职位，核心是负责机器学习、深度学习及大语言模型（LLM）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，覆盖数据挖掘、模型训练、推理优化与部署
需要3年以上相关经验，精通Python和主流深度学习框架，并具备大模型应用开发能力
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，Llamalndex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管理周期管理，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
- 外资企业平台稳定，资源充足，能接触汽车行业真实业务场景
- 技术栈前沿，直接参与大模型和AI落地项目，技能成长快
- 沈阳生活成本低，外企薪资在本地有竞争力
- 制造业与AI结合需懂业务，可能需要适应跨部门协作
- 沈阳本地AI生态不如一线城市，技术交流机会相对有限
- 适合乐于钻研前沿AI技术、能在传统制造业中推动创新、并追求稳定外企环境的求职者
缺点 / 挑战
- 大模型技术迭代快，需要持续学习，工作压力可能不小
角色解读
- 可在技术方向深入，从算法工程师成长为高级算法专家或技术负责人
- 有机会横跨传统制造业与AI交叉领域，发展为智能制造解决方案专家
- 依托外企平台，未来可转向技术管理或国际化项目协调角色
- 负责AI算法研发，包括机器学习、深度学习、NLP模型的设计与实现
- 深入参与大语言模型的应用落地，包括Prompt工程、RAG、模型微调和推理优化
- 管理AI模型全生命周期，从数据处理、特征工程到模型部署与性能监控
- 扎实的数学基础和Python编程能力，熟悉Pandas、Scikit-learn等数据处理工具
- 掌握至少一种深度学习框架（TensorFlow、PyTorch等），能独立建模和调优
- 熟悉LLM相关技术栈，如LangChain、RAG、vLLM等，有实际大模型应用经验
申请策略
- 申请时强调对制造业智能化转型的兴趣，并展示如何将AI技术应用到实际业务
- 关注德科斯米尔的产品线和全球布局，在面试中体现国际视野
- 突出个人主导的AI项目尤其是大模型落地案例，量化成果指标
- 强调Python编程熟练度和深度学习框架的实际应用经验
- 展示技术文档撰写和英语工作能力，契合外资企业需求
- 提及数据处理与模型优化方面的具体技能，如RAG、量化蒸馏等
- 补充LangChain、LlamaIndex等大模型应用开发工具的实战经验
- 学习vLLM、Ollama等推理优化框架，了解模型部署和高性能服务
面试指南
- 用STAR法则组织项目经验：情境、任务、行动、结果，突出个人贡献
- 技术问题需结合具体项目实例，说明思考过程和取舍依据
- 对开放性问题，先明确目标再分点回答，体现逻辑性
- 请介绍一个你独立主导的AI项目，从问题定义到落地的完整过程
- 如何处理数据不平衡或样本不足的问题？你用过哪些特征工程方法？
- 在优化LLM推理性能时，你采用了哪些技术？具体效果如何？
- 如何选择适合业务场景的模型？你如何评估模型的泛化能力？
- 你如何理解RAG和Prompt Engineering？在项目中如何实现？
职位点评
69
综合评分
外资平台，前沿AI大模型技术，薪资未明朗，沈阳现场办公，技术成长空间大。
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
该职位最适合追求技术前沿、渴望快速成长，且能接受现场办公的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利65
成长发展88
工作生活55
使命价值62
薪资福利
65中等
薪资未公开，但外资企业通常提供有竞争力的薪酬。沈阳当地生活成本低，整体补偿性尚可。
薪资信号未披露（AI估算：15K-30K/月）
成长发展
88较高
职位深度参与大模型前沿技术，涉及LLM、RAG、Agent等领域，技术成长性极强。
技术前沿前沿/新兴技术
技术栈Python、PyTorch、TensorFlow、机器学习、深度学习、NLP、LLM、RAG、LangChain、vLLM
业务类型ambiguous
工作生活
55较低
仅现场办公，未提及弹性工作或加班情况。沈阳通勤方便，但工作节奏未知。
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
62中等
汽车行业智能化有一定社会价值，但JD未强调使命，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
德科斯米尔 的其他在招职位
相似职位推荐
Watch Jobs