德科斯米尔
Industrial Engineering ES
Industrial Engineering ES
发布于 大约 2 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)
Llamaindex
Llm
Mindspore
Nlp
Ollama
Pytorch
Scikit-Learn
Tensorflow
Tgi
AI 估算 · 18k–30k
沈阳AI算法岗位，要求3年经验+大模型技能，市场竞争力强，薪资处于中上水平。
职位详情
关于这个职位
这是德科斯米尔在沈阳的AI算法工程师岗位，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，并推动AI解决方案在企业场景落地
你将参与模型训练、部署及优化，并有机会在内部培训与跨部门协作中发挥专业影响力
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，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
- 前沿技术方向：大模型、LLM、RAG等是当前AI热点，技能积累市场价值高
- 跨国巨头平台：德科斯米尔为汽车行业领先企业，项目资源丰富，稳定性好
- 职责范围广：从算法开发到部署、培训、标准制定，全面锻炼综合能力
- 英语工作环境有助于国际化职业发展
- 适合有3年以上AI算法经验、热爱大模型技术、愿意在制造企业深耕的技术型人才
缺点 / 挑战
- 需要独立主导项目，对技术深度和项目经验要求较高
- 涉及多职能协作（内部团队、外部联络），沟通成本较高
- 汽车行业对系统稳定性要求高，模型部署压力可能较大
角色解读
- 可向AI技术专家方向深耕，成为大模型或机器学习领域的架构师
- 也可转向技术管理岗位，带领AI团队负责更大范围的业务场景
- 由于涉及内部培训，还可向技术培训或知识管理方向发展
- 设计和开发机器学习、深度学习及自然语言处理算法，构建定制化AI解决方案
- 探索大规模语言模型（LLM）在对话系统、知识图谱等场景的应用，并推动企业级落地
- 负责模型全生命周期管理，包括训练、调优、部署及推理优化，确保生产环境性能
- 参与内部培训与标准制定，作为技术联络人进行跨部门协作
- 精通Python及至少一种深度学习框架（TensorFlow/PyTorch/MindSpore）
- 扎实的数学基础（线性代数、概率统计、最优化）和数据处理能力
- 熟悉LLM相关技术栈，包括Prompt Engineering、LangChain、RAG、模型压缩等
- 英语可作为工作语言，具备良好的沟通和文档编写能力
申请策略
- 关注德科斯米尔的业务方向（线束系统、内饰），思考AI如何与其结合
- 在面试中展示对模型工程化（性能、延迟、稳定性）的理解
- 突出主导或参与的AI项目数量和技术细节，尤其是大模型相关项目
- 强调Python、深度学习框架及数据处理工具的熟练程度
- 展示英文能力，如有英文项目文档或国际会议经历可加分
- 列出在模型优化（量化、蒸馏）或推理框架（vLLM等）方面的实践
- 若缺乏LLM经验，可先自学LangChain、RAG等技术，并动手搭建简单应用
- 熟悉汽车行业场景（如质量检测、自动化生产），可提升业务匹配度
面试指南
- STAR法则：描述情境、任务、行动和结果，重点突出技术难点和解决方案
- 技术对比：比较不同方法（如微调 vs RAG）的优劣，展现决策依据
- 工程思维：强调稳定性、可维护性、监控和迭代优化
- 请介绍一个你独立主导的AI项目，从数据准备到部署的全过程
- 如何优化大模型的推理延迟和吞吐量？你用过哪些工具？
- 对RAG（检索增强生成）的理解？请描述一个实际应用场景
- 当模型在线上出现性能下降时，你的排查思路是什么？
- 你如何看待AI在汽车制造中的应用潜力？
职位点评
67
综合评分
沈阳外企AI岗位，前沿大模型技术栈，发展性强但WLB未知。
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
最适合看重技术成长和发展空间，同时能接受现场办公模式的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利70
成长发展85
工作生活40
使命价值60
薪资福利
70中等
薪资未明确但根据市场估计偏高，福利未提及，整体补偿性中等偏上。
薪资信号未披露（AI估算：18K-30K/月）
成长发展
85较高
职位涉及前沿LLM技术，职责中包含培训与标准制定，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、NLP、LLM、LangChain、RAG、vLLM、量化、蒸馏
成长机会内部培训、外部培训、持续教育需求
业务类型ambiguous
工作生活
40较低
仅现场办公，未提及弹性工时或远程，工作生活平衡可能一般。
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
汽车行业稳定成熟，AI应用有实际价值，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