德科斯米尔
Industrial Engineering ES
Industrial Engineering ES
发布于 大约 15 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
Nlp
Pytorch
Tensorflow
数据挖掘
机器学习
深度学习
AI 估算 · 15k–25k
3年以上AI算法经验，大模型技能稀缺，外资企业，沈阳薪资水平中等偏低，综合估算15k-25k/月。
职位详情
关于这个职位
该职位是德科斯米尔（沈阳）的工业工程ES岗位，实际工作聚焦于AI算法与大模型应用开发
你将负责机器学习、深度学习及NLP算法的设计与优化，探索LLM在对话系统、知识图谱等场景的落地，并参与模型全生命周期管理
适合具备3年以上AI经验、熟悉Python和主流框架的候选人
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，支撑结构化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
- 接触前沿的大模型技术（LLM、RAG、Agent），技术成长空间大
- 外资企业，工作流程规范，有机会参与国际项目，提升英语能力
- 沈阳生活成本较低，薪资在本地具有竞争力
- 需要同时掌握算法研究和工程落地能力，对综合能力要求高
- 部分职责涉及内部培训和管理协调，可能需要较强的沟通能力
- AI领域更新快，需要持续学习以保持技术优势
- 适合具备扎实AI算法背景、对LLM感兴趣、希望在外企环境中从事前沿技术开发的工程师
缺点 / 挑战
暂无明显挑战项
角色解读
- 从AI算法工程师向高级算法专家或技术负责人方向发展，深入大模型领域
- 可横向拓展至AI架构师，负责企业级AI平台的设计与搭建
- 在外企环境下，有机会转向项目管理或团队管理岗位，领导AI团队
- 负责机器学习、深度学习及NLP算法的设计与开发，构建面向业务场景的AI解决方案
- 探索和落地大规模语言模型（LLM）在对话系统、知识图谱等场景的应用，推动大模型技术在企业级场景的落地
- 参与模型全生命周期管理，包括训练、调参、部署和优化，并负责相关文档编制和培训
- 精通Python编程，熟悉Pandas、Scikit-learn等数据处理工具
- 熟练掌握TensorFlow、PyTorch等深度学习框架，具备扎实的数学基础（线性代数、概率统计、优化理论）
- 熟悉LLM相关技术栈，包括Prompt Engineering、LangChain、LlamaIndex、推理框架（vLLM、Ollama）等
- 具备独立完成AI项目算法设计、开发与落地的经验，至少3年相关经验
申请策略
- 了解德科斯米尔公司业务（汽车线束和内饰），思考AI如何在其生产流程中应用，面试中展现业务理解
- 准备好英文自我介绍和项目讲解，因为英语是工作语言
- 突出AI项目经验，尤其是独立主导或完整参与的项目，详细说明你的角色、技术方案和成果
- 重点展示LLM相关项目，如对话系统、RAG、Agent等，使用具体技术栈（LangChain、LlamaIndex等）
- 强调数学基础和编程能力，列出熟悉的框架和工具（PyTorch、TensorFlow、Pandas等）
- 显示英语能力，可附上英文简历或项目文档
- 如果缺少大模型经验，可快速学习LangChain、LlamaIndex等框架，并做一些个人项目
- 掌握模型轻量化技术（量化、蒸馏）和推理优化（vLLM、TGI）会增加竞争力
面试指南
- 对于项目介绍类问题，采用STAR法则：情境、任务、行动、结果，突出个人贡献和技术细节
- 对于LLM应用问题，结合具体场景（如知识检索、文档生成），讨论技术选型、数据准备和评估指标
- 对于技术原理问题，先给出核心概念，再逐步深入，展示数学基础
- 请介绍一个你主导的AI项目，包括技术难点和解决方案
- 你对LLM在工业场景中的应用有什么看法？如何评估其价值？
- 解释Transformer的注意力机制原理
- 如果需要在沈阳本地团队推行大模型培训，你会如何设计课程？
- 如何优化一个LLM推理服务的延迟和吞吐量？
职位点评
66
综合评分
外资汽车零部件公司AI算法岗，聚焦大模型技术，发展前景好，但需现场办公，福利未明确。
更适合这类人
该职位最适合重视技术成长和职业发展的求职者，尤其是对AI大模型感兴趣、愿意在沈阳发展的工程师。
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50
使命价值60
薪资福利
70中等
该职位薪资在沈阳具有竞争力，外资企业福利较好，但未明确具体薪资和福利细节，补偿性动机满足中等偏上。
薪资信号未披露（AI估算：15K-25K/月）
成长发展
85较高
职位涉及前沿AI大模型技术，包括LLM、RAG、Agent等，技术成长空间大，且提供跨国内外培训机会，发展性动机满足较高。
技术前沿前沿/新兴技术
技术栈LLM、RAG、Agent、深度学习、NLP、LangChain、LlamaIndex、vLLM
成长机会内部培训、外部培训、国际培训
业务类型ambiguous
工作生活
50较低
该职位要求现场办公，未提及弹性工作或远程选项，沈阳办公地点可能位于工厂或园区，加班信号不明确，生活化动机满足一般。
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
汽车零部件行业属于稳定成熟行业，AI应用有助于提升生产效率和创新能力，但直接社会影响力有限，意义感动机中等。
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