德科斯米尔
Industrial Engineering ES
Industrial Engineering ES
发布于 2 分钟内普通员工/个人贡献者
全职员工仅现场办公工业工程
工业工程
Llamaindex
Llm
Mindspore
Nlp
Ollama
Pytorch
Rag
Scikit-Learn
Tensorflow
值不值得投
69综合评分
综合评分 69
跨国车企的工业AI专家岗，技术前沿、成长性好，但工作地点固定，WLB一般。
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。
薪资怎么样
28K
比工业工程中位数高
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 170 个在招 · 其中工业工程 37 个
市场机会
选择适中
沈阳 · 工业工程 · 15 个在招
职位详情
关于这个职位
这是一个在德科斯米尔沈阳工厂的工业工程专家岗位，核心职责是规划和实现新产品与现有产品的生产工艺
职位描述中同时包含了大量AI算法与大模型应用开发的工作内容，如机器学习、深度学习、NLP、LLM应用落地等，是一个将传统工业工程与前沿AI技术相结合的复合型岗位
该职位需要至少3年AI算法或大模型开发经验，并能够独立主导AI项目
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
- 德科斯米尔是汽车行业巨头，平台稳定，能接触到汽车工业的实际生产场景
- 该岗位将工业工程与AI技术结合，技术前沿，有很好的技能积累和发展空间
- 作为跨国企业，有参与国际项目、接受国际培训的机会
- 工作地点在沈阳，相比一线城市，AI技术交流和机会可能相对较少
- 需要承担内部培训、标准制定等职责，对沟通和文档能力有一定要求
- 适合具备扎实AI技术背景，对工业场景应用感兴趣，并希望在汽车行业深耕的资深算法工程师
缺点 / 挑战
- 职位要求较高，需要同时具备工业工程和AI算法背景，对复合型能力要求高
角色解读
- 可以成长为工业AI领域的专家，负责更复杂的生产流程优化和智能化改造项目
- 可以晋升为技术团队负责人或项目经理，管理AI项目并带领团队
- 在德科斯米尔这样的跨国企业，有机会参与国际项目，向全球技术专家方向发展
- 负责规划和实现汽车线束等新产品的生产工艺，将AI技术应用于生产流程优化
- 主导AI算法设计与开发，包括机器学习、深度学习和NLP，构建定制化AI解决方案
- 探索和落地大模型技术，如LLM在对话系统、知识图谱、内容生成等场景的应用
- 负责AI模型从训练、调优到部署的全生命周期管理，并参与内部培训与标准制定
- 扎实的数学基础，精通Python，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
- 具备大模型应用开发经验，熟悉LangChain、LlamaIndex、RAG、Agent等技术
- 具备至少3年AI算法研发经验，并独立主导过至少2个AI项目
申请策略
- 在求职信中强调对汽车行业和工业AI的兴趣
- 准备一个关于如何将AI技术应用于生产流程优化的案例
- 突出AI算法项目的完整落地经验，特别是主导或完整参与的项目
- 强调在大模型应用（如LLM、RAG、Agent）方面的实际经验
- 展示Python、TensorFlow/PyTorch等核心技能的熟练度
- 如果有工业工程或生产制造相关的背景，务必重点突出
- 补充学习大模型相关技术，如LangChain、LlamaIndex、vLLM等工具
- 了解汽车制造或线束生产的基本流程，增加行业认知
面试指南
- 回答项目经验时，可以采用STAR法则（情境、任务、行动、结果），突出个人贡献和量化成果
- 回答技术问题时，先阐述基本原理，再结合项目经验说明具体应用和挑战
- 回答场景应用问题时，可以结合德科斯米尔的业务，提出一些初步的AI应用构想
- 请详细介绍一下你主导的AI项目，包括技术选型、模型设计和落地效果
- 你如何理解大模型在工业场景中的应用？请举例说明
- 如何优化LLM的推理性能？你了解哪些模型轻量化技术？
- 你如何规划一个生产工艺的AI优化项目？
- 请谈谈你如何与跨部门团队协作，推动AI项目落地
职位点评
薪资福利70
成长发展85
工作生活45
使命价值70
薪资福利
70中等
该职位薪资未明确披露，但作为跨国巨头的高级技术岗，薪资水平预计有竞争力，福利待遇可能较完善。
薪资信号未披露（AI估算：20K-35K/月）
成长发展
85较高
该职位涉及AI算法和大模型等前沿技术，技术成长空间大，同时有内部培训和国际交流机会，发展性动机满足度高。
技术前沿前沿/新兴技术
技术栈机器学习、深度学习、NLP、LLM、LangChain、LlamaIndex、RAG、Agent、vLLM、Ollama、TGI、TensorFlow、PyTorch、MindSpore
成长机会内部及外部培训
业务类型ambiguous
工作生活
45较低
工作地点在沈阳，需要现场办公，工作模式为现场办公，未提及弹性工作或远程办公，生活便利性一般。
工作模式仅现场办公
办公地点工厂/生产基地
加班情况未提及（无法判断）
使命价值
70中等
汽车行业属于稳定成熟行业，该职位通过AI技术优化生产流程，具有一定的技术推动意义，但社会影响力不显著。
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