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
Scikit-Learn
Tensorflow
机器学习
AI 估算 · 12k–20k
沈阳AI算法岗位薪资中等，外资企业平台较好，综合竞争力尚可。
职位详情
关于这个职位
该职位负责AI算法设计与开发，包括机器学习、深度学习和大语言模型应用，面向工业场景构建定制化解决方案
你将参与从数据处理、模型训练到部署的全流程，探索LLM在对话、知识图谱等场景的落地
适合有3年以上经验、精通Python和深度学习框架的算法工程师
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，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
- 公司为跨国汽车零部件巨头，平台稳定，资源丰富
- 接触前沿AI技术（大模型、NLP），技能积累快
- 提供内部和外部培训机会，注重员工发展
- 沈阳生活成本较低，外企薪资有竞争力
- 职位内容与标题（Industrial Engineering）有出入，可能实际工作范围较广
- 需要英语作为工作语言，对沟通能力有要求
- 大模型领域技术快速迭代，需持续学习
- 适合有AI算法背景、希望在外企环境中发展技术、能适应英语工作的求职者
缺点 / 挑战
暂无明显挑战项
角色解读
- 从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，成为企业级AI应用的专家
- 有机会参与国际项目，拓宽职业视野
- 负责AI算法设计与开发，包括机器学习、深度学习和NLP模型，构建定制化解决方案
- 进行数据挖掘、特征工程和模型训练调优，提升模型准确率和泛化能力
- 探索大语言模型在对话、知识图谱等场景的应用，并构建企业级AI系统
- 优化LLM推理流程，参与大模型微调和RAG等落地工作
- 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
- 掌握至少一种深度学习框架（PyTorch/TensorFlow）
- 具备3年以上AI算法经验，熟悉大模型技术栈（LLM、RAG等）
申请策略
- 关注德科斯米尔公司背景和汽车行业趋势
- 准备好案例说明如何将AI技术应用到实际业务场景
- 突出AI项目经验，尤其是算法设计到落地的完整过程
- 强调大模型（LLM）相关经验，如微调、RAG、部署
- 展示数学功底和编程能力，如LeetCode或竞赛成绩
- 如有英语证书或外企经验，重点提及
- 深入学习大模型技术栈，熟悉LangChain、vLLM等工具
- 加强英语口语和写作，以便适应工作语言
面试指南
- 使用STAR法则（情境、任务、行动、结果）回答项目经验
- 对于技术问题，先解释概念，再结合实际经验说明
- 展示你的学习能力和应用能力，强调如何解决实际问题
- 请介绍一个你主导的AI项目，从需求到落地的过程
- 你如何优化LLM的推理性能？有哪些方法？
- 谈谈你对RAG的理解以及如何应用在垂直领域
- 如何设计prompt以提升模型效果？
- 你对工业场景中的AI应用有什么想法？
职位点评
72
综合评分
外资汽车零部件企业，AI算法岗，技术前沿但需现场办公，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成长和职业发展机会的求职者，尤其对前沿AI技术感兴趣的人。
表现最好
成长发展
相对薄弱
工作生活
薪资福利75
成长发展85
工作生活55
使命价值60
薪资福利
75中等
薪资未明确，但外资企业福利体系完善，稳定性高。
薪资信号未披露（AI估算：12K-20K/月）
成长发展
85较高
职位涉及前沿AI技术，且提供培训机会，发展空间大。
技术前沿前沿/新兴技术
技术栈Python、PyTorch、TensorFlow、NLP、LLM、RAG、LangChain、vLLM
成长机会持续教育、内部培训、外部培训
业务类型ambiguous
工作生活
55较低
工作地点明确为沈阳，需现场办公，未提及弹性或远程，工作生活平衡信号不足。
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
汽车行业传统但职位积极采用新技术，社会影响力一般。
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