德科斯米尔
Industrial Engineering ES
Industrial Engineering ES
发布于 大约 14 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
Nlp
Pytorch
Rag
Tensorflow
大语言模型
数据处理
机器学习
深度学习
AI 估算 · 15k–25k
沈阳AI算法岗位，外资企业，要求3年经验，薪资在沈阳属中高水平，但相比一线城市较低。
职位详情
关于这个职位
这是一个AI算法工程师职位，实际负责机器学习、深度学习及大语言模型（LLM）的应用开发
您将参与算法设计、模型训练与调优，使用LangChain等工具构建企业级AI应用，并推动大模型技术在业务场景中的落地
适合有3年以上AI经验、热爱前沿技术并希望在外资企业发展的求职者
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
- 前沿技术栈：使用LLM、RAG、Agent等最新AI技术，技术成长快
- 国际化平台：德科斯米尔是跨国巨头，提供全球化视野和资源
- 职责明确：独立负责算法设计到落地全流程，能积累完整项目经验
- 英语工作环境，有助于提升国际沟通能力
- 工作地点在沈阳，AI行业机会相比一线城市少，跳槽选择有限
- 外资企业流程可能较严谨，需要适应文档和汇报文化
- 适合有AI算法基础、热爱前沿技术、愿意在沈阳长期发展并适应外企文化的求职者
缺点 / 挑战
- 需同时具备传统机器学习和大模型知识，技术覆盖面广，学习压力大
角色解读
- 可成长为AI算法专家或大模型技术负责人，主导核心算法研发
- 随着大模型技术普及，可向AI架构师或技术总监方向晋升
- 在外资企业可横向拓展至国际项目，参与全球技术协作
- 负责机器学习、深度学习及NLP算法的设计与开发，针对具体业务场景定制AI解决方案
- 独立完成数据挖掘、特征工程、模型训练与调优，提升模型准确率、泛化能力和实时性
- 探索大语言模型（LLM）在对话系统、知识图谱、内容生成等场景的应用，推动企业级落地
- 使用LangChain、LlamaIndex等工具构建基于LLM的AI应用，优化推理流程并管理模型全生命周期
- 精通Python，熟悉Pandas、Scikit-learn等数据处理工具
- 掌握TensorFlow、PyTorch或MindSpore至少一种深度学习框架
- 具备扎实的数学基础（线性代数、概率统计、最优化）
- 有3年以上AI算法或大模型应用开发经验，至少完整主导2个AI项目
申请策略
- 尽管职位标题是工业工程ES，但实际工作为AI算法，投递时不要被标题迷惑
- 提前了解德科斯米尔在汽车行业的业务，思考AI如何赋能汽车制造
- 突出独立主导的AI项目，详细说明算法设计、模型调优和部署落地过程
- 重点展示大语言模型应用经验，如RAG、Prompt工程、LangChain使用
- 强调Python编程能力和数学功底，列出具体的框架和工具
- 如有英语工作或国际项目经验，务必提及
- 学习LangChain、LlamaIndex等主流大模型开发框架，补充RAG和Agent技术
- 熟悉vLLM、Ollama等推理优化工具，掌握模型量化、蒸馏方法
面试指南
- 采用STAR法则回答项目经历，突出你的具体贡献和量化结果
- 技术问题先讲原理，再结合实践案例，最后总结优化思路
- 对于大模型问题，强调端到端思考：数据、训练、部署、优化
- 请介绍你主导的一个AI项目，包括技术难点和解决方案
- 在构建RAG系统时，如何优化检索质量和生成准确性？
- 如何对一个大语言模型进行微调？数据如何处理？
- 解释Transformer架构中注意力机制的原理
- 如何处理模型推理速度慢、延迟高的问题？
职位点评
66
综合评分
外资汽车企业中的AI算法岗，技术前沿，薪资未披露，WLB不明确。
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、渴望在AI领域深入发展的求职者，对工作生活平衡要求不高。
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80
工作生活50
使命价值60
薪资福利
65中等
该职位未明确薪资和福利，但外资巨头通常提供稳定薪酬和五险一金，不过具体竞争力未知。
薪资信号未披露（AI估算：15K-25K/月）
成长发展
80较高
职位聚焦前沿大模型技术，包含持续教育和培训机会，技术成长空间大，但未明确晋升路径。
技术前沿前沿/新兴技术
技术栈Python、TensorFlow、PyTorch、大语言模型、LangChain、RAG、机器学习、深度学习
成长机会继续教育
业务类型ambiguous
工作生活
50较低
仅支持现场办公，工作地点在沈阳，未提及弹性工时或远程，生活便利性未知。
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
60中等
汽车行业是成熟产业，但AI应用有创新价值，对社会贡献中等。
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