德科斯米尔
Industrial Engineering ES
Industrial Engineering ES
发布于 大约 11 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
Nlp
Pytorch
Rag
Tensorflow
大语言模型
机器学习
深度学习
AI 估算 · 15k–25k
沈阳AI算法工程师市场薪资中等，外资企业提供稳定平台，3年经验月薪约1.5-2.5万元。
职位详情
关于这个职位
该职位主要负责AI算法设计与开发，涵盖机器学习、深度学习、NLP及大语言模型（LLM）应用
你将参与从数据挖掘、模型训练到部署的全流程，并应用LangChain、RAG等技术构建企业级AI系统
适合具有3年以上AI研发经验、熟悉Python和深度学习框架的工程师
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，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
- 跨国企业平台稳定，能接触汽车行业实际业务场景
- 职位涉及大模型、RAG等前沿技术，技术成长空间大
- 工作内容涵盖从算法到部署的全流程，综合能力提升快
- 沈阳本地AI生态相对一线城市较弱，前沿交流机会较少
- 职位对综合能力要求高，需要同时掌握算法、工程和业务理解
- 适合有3年左右AI经验、希望在外企稳定发展并深耕大模型应用的技术人员
缺点 / 挑战
- 可能面临跨部门协作与项目管理的压力
角色解读
- 从AI算法工程师向大模型专家或技术负责人方向发展
- 在垂直行业（汽车制造）深化AI应用，成为行业解决方案专家
- 可转向AI产品经理或技术管理岗位
- 负责AI算法设计，包括机器学习、深度学习、NLP模型的开发与优化
- 探索大语言模型（LLM）在企业场景的落地，如对话系统、知识图谱、智能推荐等
- 构建基于LangChain和LlamaIndex的企业级AI应用系统，并优化推理性能
- 参与大模型微调、RAG和Agent开发，提升垂直领域表现
- 精通Python，熟悉Pandas、Scikit-learn等数据处理工具
- 熟练使用至少一种深度学习框架（PyTorch、TensorFlow或MindSpore）
- 熟悉LLM相关技术，包括Prompt Engineering、RAG、微调和推理优化（vLLM、Ollama等）
- 具备扎实的数学基础（线性代数、概率统计、优化理论）
申请策略
- 了解德科斯米尔在汽车行业的业务，思考AI如何与线束系统或生产流程结合
- 在面试中展示对LLM落地场景的理解，而不仅仅是算法理论
- 突出AI项目的完整落地经验，特别是独立主导的项目
- 强调在大模型、RAG、LangChain等方面的实际应用案例
- 展示Python编程能力和数学基础，可附上GitHub或技术博客
- 补充学习LangChain、LlamaIndex等框架，动手搭建一个RAG应用
- 熟悉vLLM、Ollama等推理框架，了解模型量化与蒸馏
- 提升英语工作能力，尤其是技术文档阅读和汇报
面试指南
- 对于项目类问题，可采用STAR法则（情境-任务-行动-结果）
- 对于技术问题，先阐述原理，再结合自己的实践经验，最后总结优化点
- 对于业务结合类问题，从业务痛点出发，提出AI解决方案
- 请介绍一个你主导的AI项目，从问题定义到落地效果
- 你如何选择机器学习模型？请举例说明调优过程
- 谈谈你对RAG（检索增强生成）的理解和实现方式
- 在实际项目中，如何优化LLM的推理延迟和吞吐量？
- 你如何理解工业工程与AI结合的场景？
职位点评
68
综合评分
跨国汽车零部件企业，聚焦大模型和AI应用开发，技术前沿但办公灵活度低。
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、希望在外企稳定发展、对工作地点灵活性要求不高的求职者。
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45
使命价值60
薪资福利
70中等
公司平台稳定，但薪资信息未披露，沈阳地区薪资水平中等，福利未提及。
薪资信号未披露（AI估算：15K-25K/月）
成长发展
85较高
职位涉及大模型等前沿技术，技术成长空间大，JD中提及持续教育和培训，但未明确晋升路径。
技术前沿前沿/新兴技术
技术栈Python、机器学习、深度学习、NLP、LLM、LangChain、RAG
成长机会持续教育、培训
业务类型ambiguous
工作生活
45较低
JD明确要求现场办公，无远程或弹性工作安排，工作灵活性低。
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
汽车行业稳定，但社会影响力一般，JD未体现强烈使命感，创新方面积极采用新技术。
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