德科斯米尔
Industrial Engineering ES
Industrial Engineering ES
发布于 大约 3 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)
Llm
Nlp
Pytorch
Rag
Tensorflow
Vllm
机器学习
深度学习
AI 估算 · 15k–25k
沈阳地区AI算法岗位，3年经验外企，结合LLM等高难度技能，薪资处于领先水平。
职位详情
关于这个职位
该职位负责AI算法与大模型技术的研发与落地，包括机器学习、深度学习、NLP及LLM应用开发
需独立完成数据挖掘、特征工程、模型训练与优化，并管理子项目，是兼具技术深度与项目协调能力的角色
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
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
- 接触前沿的大模型和LLM技术，技术成长快，提升市场竞争力
- 跨国巨头企业，平台稳定，资源丰富，可参与国际化项目
- 薪资福利在沈阳具有竞争力，且外企工作环境更规范
- 职责包含培训与标准制定，有利于建立行业影响力
- 需要平衡算法研究与实际业务落地，对工程能力要求高
- 沈阳相对于一线城市AI圈子较小，高端交流机会可能有限
- 适合热爱AI前沿技术、有大模型或NLP项目经验、希望在外企平台稳定发展的技术型人才
缺点 / 挑战
- 工作内容与AI前沿高度相关，需持续学习新技术，压力较大
角色解读
- 技术方向：从算法工程师成长为AI专家或架构师，深入大模型底层技术
- 管理方向：可向技术经理或项目负责人发展，负责更大规模的AI项目团队
- 跨领域：结合工业工程背景，在智能制造、工业AI等垂直领域深耕
- 负责机器学习、深度学习、NLP等算法的设计与开发，构建面向业务场景的定制化AI解决方案
- 独立完成数据挖掘、特征工程、模型训练与调优，提升模型性能
- 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，推动技术落地
- 管理子项目，协调内外部资源，制定优化标准与流程
- 扎实的数学基础（线性代数、概率统计、最优化）和Python编程能力
- 熟练使用TensorFlow、PyTorch等深度学习框架，熟悉数据处理工具
- 掌握LLM相关技术（Prompt Engineering、RAG、模型轻量化）及推理框架
- 具备至少3年AI算法或大模型开发经验，独立主导过至少2个AI项目
申请策略
- 申请时准备一份关于LLM应用的案例分析，展示从数据到部署的全流程
- 了解德科斯米尔在汽车行业的AI应用场景，在面试中体现行业理解
- 突出大模型（LLM）相关项目经验，包括预训练、微调、RAG或Agent落地
- 强调数学基础和算法优化能力，如模型量化、蒸馏、推理加速
- 展示项目管理与跨部门协作经验，体现主导项目的完整周期
- 注明英语能力，尤其是可作为工作语言的证明
- 补充LangChain、LlamaIndex等工具的实际使用经验
- 学习vLLM、Ollama等推理框架，掌握部署和性能优化
面试指南
- STAR法则：描述情境(Situation)、任务(Task)、行动(Action)、结果(Result)，突出个人贡献和量化成果
- 技术栈对比：解释技术选型理由，对比不同框架或方法的优劣
- 问题解决思路：先分析问题根因，再分步提出解决方案，最后总结经验
- 请介绍一个你主导的大模型项目，包括技术选型、遇到的挑战和解决方案
- 如何优化LLM推理性能？有哪些常用的量化或蒸馏方法？
- 解释RAG的工作原理，如何构建一个高效的检索增强系统？
- 你如何处理数据不平衡或模型过拟合问题？
- 在跨部门协作中，你是如何协调资源并推动项目进展的？
职位点评
66
综合评分
沈阳外企，前沿LLM技术岗，成长空间大但WLB一般，薪资当地中上。
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
最适合追求技术成长、愿意在沈阳稳定发展的求职者，对WLB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90
工作生活40
使命价值60
薪资福利
65中等
外企沈阳岗位，薪资在当地有竞争力，但相比一线城市可能偏低；福利正规，但未在JD中明确提及。
薪资信号未披露（AI估算：15K-25K/月）
成长发展
90较高
职位涉及最前沿的LLM和AI技术，有大量成长空间，且JD明确有培训、标准制定等发展信号。
技术前沿前沿/新兴技术
技术栈LLM、深度学习、NLP、RAG、Agent、量化、蒸馏
成长机会内部培训、外部培训、持续教育、制定标准
业务类型ambiguous
工作生活
40较低
沈阳现场办公，未提及WLB或远程，制造业外企可能弹性一般，通勤等信息缺失。
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AI应用有社会价值，但JD未明确使命感，创新水平跟随主流。
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