德科斯米尔
Industrial Engineering ES
Industrial Engineering ES
发布于 大约 20 小时前基层主管/组长
全职员工仅现场办公人工智能
人工智能
Llm
Nlp
Pytorch
Tensorflow
Vllm
大模型
机器学习
深度学习
值不值得投
67综合评分
综合评分 67
技术驱动的汽车制造业AI岗位，注重算法开发与项目管理，薪资中等，发展机会较好，但工作模式未明。
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
比人工智能中位数低
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 110 个在招 · 其中人工智能 3 个
市场机会
选择不多
沈阳 · 人工智能 · 3 个在招
职位详情
关于这个职位
该职位是德科斯米尔的工业工程专家岗位，核心职责涉及AI算法设计与开发，包括机器学习、深度学习和自然语言处理领域的算法实现，构建基于大语言模型的企业级应用系统，并参与项目管理与优化
工作地点位于沈阳，要求候选人具备扎实的AI技术背景和项目经验
最低要求
本科及以上学历，计算机科学、数学、工业工程、人工智能应用等相关专业
扎实的数学基础，熟悉线性代数、概率统计和最优化理论
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
计划和实现现有产品和新产品的生产工艺
负责机器学习、深度学习和自然语言处理（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
- 接触前沿AI技术（如LLM、RAG），有较多实践机会，技术成长空间大
- 公司为跨国汽车零部件企业，提供稳定的平台和可能的国际培训资源
- 职责涵盖从算法开发到项目管理，能锻炼综合能力
- AI技术更新快，需要持续学习以保持竞争力
- 在传统制造业环境中推动AI落地，可能面临跨部门协作和实施阻力
- 适合有AI算法背景、喜欢实践创新、并愿意在制造业环境中应用技术的求职者，同时需要具备一定的项目管理和沟通能力
缺点 / 挑战
- 项目管理和多任务处理要求较高，工作压力可能较大
角色解读
- 技术专家路线：深耕AI算法和大模型技术，成为领域内的资深工程师或架构师
- 管理路线：通过项目管理和团队协作，逐步晋升为技术经理或团队负责人
- 行业应用路线：结合汽车工业工程背景，向智能制造或工业AI解决方案专家发展
- 负责AI算法设计与开发，特别是在机器学习、深度学习和NLP领域，构建定制化解决方案
- 探索和落地大语言模型（LLM）在企业级场景的应用，如对话系统、知识图谱和推荐系统
- 管理AI模型的全生命周期，包括训练、调参、测试和部署，确保生产环境稳定性
- 协调子项目管理、内部协作和培训，支持流程优化和标准制定
- 扎实的数学基础（线性代数、概率统计、最优化理论），用于算法设计
- 精通Python编程和数据处理工具（Pandas、Scikit-learn），以及深度学习框架（TensorFlow、PyTorch）
- 具备AI算法开发或大模型应用经验，熟悉LLM相关技术（如RAG、Agent、Prompt Engineering）
- 项目管理和沟通能力，能独立主导AI项目并参与团队协作
申请策略
- 研究德科斯米尔的汽车零部件业务，了解AI如何应用于生产工艺优化
- 准备回答关于AI项目落地挑战和解决方案的具体问题，突出实战经验
- 突出3年以上AI算法开发经验，特别是大模型应用项目案例
- 强调Python、深度学习框架（如PyTorch）和LLM相关技能（如LangChain、RAG）
- 展示数学基础和项目管理经历，如独立主导AI项目落地的经验
- 提及英语工作能力和汽车或制造业背景（如有）
- 深入学习大语言模型技术（如LLM推理优化、微调），关注最新工具（如vLLM、TGI）
- 加强项目管理技能，学习如何协调团队和监控项目进度
面试指南
- 使用STAR法则（情境、任务、行动、结果）结构化描述项目经验
- 结合具体技术细节（如使用PyTorch训练模型、vLLM优化推理）和业务成果（如提升准确率、降低延迟）来回答
- 强调沟通和协作，说明如何与团队或利益相关者合作解决冲突
- 请描述一个你主导的AI算法项目，从开发到部署的全过程
- 如何优化大语言模型的推理性能？请举例说明你使用过的工具或方法
- 在跨部门协作中，你如何确保AI项目的目标达成？
- 你对汽车制造业中AI应用有什么看法？
- 如何处理数据不足或质量问题对模型训练的影响？
职位点评
薪资福利65
成长发展85
工作生活50
使命价值60
薪资福利
65中等
该职位在沈阳市场提供中等偏上薪资，但未明确福利细节，稳定性取决于公司经营状况。
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（如大模型），并提供培训机会，有利于技能成长和职业发展。
技术前沿前沿/新兴技术
技术栈Python、TensorFlow、PyTorch、LLM、RAG、LangChain、vLLM
成长机会内部及外部培训、识别持续教育需求
业务类型ambiguous
工作生活
50较低
工作地点为沈阳现场办公，未提及远程或弹性工作安排，生活便利性取决于具体办公位置。
工作模式未明确
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
汽车行业为稳定成熟领域，AI应用提升生产效率具有中性社会影响，技术落地有一定创新性。
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