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
机器学习工程
Llm
Nlp
Pytorch
Rag
Tensorflow
Vllm
机器学习
深度学习
AI 估算 · 15k–25k
沈阳AI算法岗，3年经验，外资企业，技术前沿，薪资在东北属中上水平。
职位详情
关于这个职位
这是一个AI算法工程师岗位，负责大模型（LLM）的研发与应用，包括机器学习、深度学习、NLP、RAG、Agent等前沿技术
工作地点在沈阳，加入外资汽车零部件巨头，参与企业级AI解决方案的落地
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
负责设计开发机器学习、深度学习、NLP等领域的算法，构建定制化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，提升模型准确率、泛化能力和实时性
探索大规模语言模型（LLM）在对话系统、知识图谱、内容生成、智能推荐等场景的应用，推动大模型技术在企业级场景落地
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聚类分布等，支撑LLM微调数据集
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、Agent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，确保生产环境的稳定性与高性能
在其专业领域内担任内外部联络人，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）
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LLM、RAG、Agent等最新AI技术，技能提升快
- 外资企业平台稳定，注重培训和教育，有内部培训机会
- 职位参与完整项目周期，从研发到部署，能积累全面经验
- 涉及生产流程，可能需要与其他部门协作，沟通成本高
- 适合热爱AI前沿技术、具备较强算法功底、愿在制造业探索AI落地的工程师
缺点 / 挑战
- 沈阳生活成本低，竞争压力相对一线城市小
- 工作内容与职位名称不完全匹配，可能面临职责模糊的挑战
- 大模型技术迭代快，需要持续学习，压力较大
角色解读
- 从AI算法工程师向大模型技术专家或AI架构师方向发展，掌握最新LLM技术
- 可发展为技术团队负责人，管理AI项目并推动企业级AI应用落地
- 在外资企业可积累国际化视野，未来可在制造业或AI领域跨行业成长
- 负责AI算法设计与开发，包括机器学习、深度学习和NLP模型，并构建定制化AI解决方案
- 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，推动大模型技术落地
- 优化LLM推理流程，使用vLLM、Ollama等框架提升性能，并掌握量化、蒸馏等轻量化技术
- 参与大模型全生命周期管理，从训练、调优到部署，确保生产环境稳定，同时协助制定内部标准与流程
- 扎实的数学基础，熟悉线性代数、概率统计和优化理论
- 精通Python，熟悉Pandas、Scikit-learn等数据处理工具
- 至少掌握一种深度学习框架（TensorFlow、PyTorch、MindSpore），并有大模型开发经验
- 英语可作为工作语言，具备独立主导AI项目的能力
申请策略
- 研究德科斯米尔在汽车行业的AI应用场景，结合公司业务准备案例
- 强调对制造业智能化转型的兴趣，展现跨领域学习能力
- 突出大模型相关项目经验，特别是LLM微调、RAG、Agent等实战案例
- 强调在AI项目中的独立主导能力和完整生命周期管理经验
- 展示编程和数据处理能力，如Python、PyTorch、Pandas等
- 如有英语工作环境经验，务必突出英文水平
- 熟悉LangChain、LlamaIndex等大模型应用框架，补充项目经验
- 掌握模型量化、蒸馏等优化技术，了解vLLM、Ollama等推理框架
面试指南
- STAR法则：情境、任务、行动、结果，清晰描述项目
- 技术选型要结合业务需求，思考trade-off，展示系统思维
- 回答问题结构化，先说结论，再展开细节
- 请分享一个你独立负责的AI项目，从数据到部署的完整流程
- 如何设计和优化RAG系统？在真实场景中遇到哪些问题？
- 你如何选择模型轻量化技术（量化、蒸馏）？具体方案？
- 你如何确保大模型在低延迟、高吞吐的工业场景中稳定运行？
- 如果让你用AI优化汽车线束生产流程，你会从哪里入手？
职位点评
66
综合评分
外资制造业的AI算法岗，前沿技术栈，成长空间大，但薪资不确定。
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AI应用，对薪资弹性要求不高的求职者。
表现最好
成长发展
相对薄弱
薪资福利
薪资福利55
成长发展85
工作生活60
使命价值65
薪资福利
55较低
薪酬未披露，但外资企业提供稳定福利；在沈阳地区薪资有竞争力。
薪资信号未披露（AI估算：15K-25K/月）
成长发展
85较高
技术前沿，涉及LLM等先进AI技术，有内部培训机会，成长性高。
技术前沿前沿/新兴技术
技术栈Python、TensorFlow、PyTorch、LLM、LangChain、RAG、vLLM
成长机会持续教育、内部培训
业务类型ambiguous
工作生活
60中等
现场办公，无远程或弹性安排，沈阳生活节奏适中，但无WLB明确信息。
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
65中等
行业稳定，采用新技术，但社会价值不明显，意义感一般。
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