德科斯米尔
Industrial Engineering ES
Industrial Engineering ES
发布于 大约 7 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
工业工程
机器学习
深度学习
AI 估算 · 15k–25k
沈阳地区3年经验AI算法岗，涉及大模型等前沿技术，技能要求高，但城市薪资水平低于一线，综合估算月薪2万左右。
职位详情
关于这个职位
该职位隶属于德科斯米尔（沈阳）汽车零部件公司，实际工作聚焦AI算法与大模型应用开发，包括机器学习、深度学习、NLP及LLM相关项目，旨在推动AI技术在汽车制造场景的落地
适合具备扎实算法功底和工程化能力的候选人
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
- 技术栈前沿，涉及大模型、RAG等热点方向，学习成长空间大
- 跨国企业平台，流程规范，稳定性好，提供内外部培训机会
- 工作内容与工业制造结合，有实际落地场景，价值感较强
- 职位名称与内容偏差较大，可能需适应职责不匹配的困惑
- 沈阳地区AI岗位机会相对少，薪资竞争力不如一线城市
- 适合热爱AI技术、追求前沿应用，且能接受二线城市生活节奏的算法工程师
缺点 / 挑战
- 工作涉及多项目协调，可能承担一定管理压力
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
- 可深入大模型方向，成为LLM应用架构师或AI技术专家
- 结合工业场景，向智能制造数字化转型管理岗位晋升
- 负责AI算法的设计、开发与落地，包括机器学习、深度学习、NLP及大语言模型应用
- 参与数据处理、特征工程和模型训练调优，提升模型性能
- 探索LLM在对话、知识图谱、推荐等场景的应用，构建企业级AI系统
- 管理AI模型全生命周期，从训练到部署，并参与内部培训与标准制定
- 精通Python编程，熟悉Pandas、Scikit-learn等数据处理工具
- 熟练掌握TensorFlow、PyTorch等至少一种深度学习框架
- 具备扎实的数学基础，包括线性代数、概率统计和优化理论
- 了解大模型推理框架（vLLM、Ollama）及RAG、Agent等应用技术
申请策略
- 简历中明确Tech Stack和项目成果，用数据展示价值
- 了解德科斯米尔的汽车业务，思考AI在汽车制造中的应用场景
- 突出AI项目经历，特别是完整的算法设计到落地过程
- 强调大模型相关经验，如LLM微调、RAG、Prompt Engineering等
- 展示数据处理和特征工程能力，量化模型性能提升成果
- 如有跨团队协作或培训经验，可体现沟通和影响力
- 提前熟悉LangChain、LlamaIndex等大模型应用框架
- 了解vLLM、Ollama等推理优化工具，掌握模型量化知识
面试指南
- 用STAR法则回答项目经历，突出背景、行动、结果和量化指标
- 针对技术问题，先阐述思路，再结合具体案例说明
- 展示对技术趋势的理解，同时强调实际工程落地经验
- 介绍一下你做过的AI项目，模型是如何优化和部署的？
- 如何设计一个RAG系统来处理垂直领域知识？
- 你如何选择微调大型语言模型的数据？
- 如何处理数据不平衡或特征缺失问题？
- 请谈谈你对大模型落地的理解和挑战
职位点评
68
综合评分
跨国车企的AI算法岗，聚焦大模型与深度学习，技术前沿，薪资未明，工作地点沈阳。
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
适合追求技术成长和前沿应用，对工作地点灵活性要求不高的AI工程师。
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85
工作生活55
使命价值60
薪资福利
65中等
跨国企业提供稳定平台，但薪资福利信息不明确，补偿性激励一般。
薪资信号未披露（AI估算：15K-25K/月）
成长发展
85较高
涉及大模型、LLM等前沿技术，且有持续教育和内外部培训机会，发展性动机得到较好满足。
技术前沿前沿/新兴技术
技术栈Python、TensorFlow、PyTorch、LLM、LangChain、RAG、NLP
成长机会持续教育、内外部培训
业务类型ambiguous
工作生活
55较低
仅现场办公，无远程或弹性工作信息，工作地点固定，生活便利性一般。
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
AI赋能汽车制造有一定社会意义，但行业偏传统，使命导向不强。
行业发展高速增长赛道
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