德科斯米尔
Industrial Engineering ES
Industrial Engineering ES
发布于 1 天前普通员工/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
外资企业，AI算法岗位，3年以上经验，沈阳薪资中等偏高，市场竞争力较强。
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，但实际工作内容聚焦AI算法与大型语言模型（LLM）的研发与应用
你将负责设计并优化机器学习/深度学习模型，参与大模型微调、RAG及Agent落地，推动AI技术在汽车行业生产流程中的应用
适合有3年以上AI算法经验、精通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，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
- 前沿技术栈：涉及LLM、RAG、Agent等AI热点，技能积累价值高
- 跨国企业平台：德科斯米尔为汽车行业巨头，项目稳定且资源丰富
- 负责全链路开发：从算法设计到部署，能积累端到端经验
- 英语工作环境有助于提升国际沟通能力
- 职责范围较广，需要同时掌握工业工程和AI知识，学习曲线陡峭
- 工作地点在沈阳，相比一线城市技术圈子较小，高端人才交流机会有限
- 外资企业流程规范但层级可能较多，创新试错空间可能受限
- 适合3年以上AI算法经验、热爱技术并希望在制造业智能化领域深耕的工程师
缺点 / 挑战
暂无明显挑战项
角色解读
- 向高级AI算法工程师、技术专家方向发展，深耕大模型或特定垂直领域
- 可转为技术管理岗位，如AI团队负责人或项目经理
- 在德科斯米尔这样的跨国企业，有机会参与全球项目，获得国际化发展空间
- 设计和开发机器学习、深度学习及NLP算法，构建定制化AI解决方案以满足业务需求
- 参与大语言模型（LLM）的应用落地，包括对话系统、知识图谱、RAG及Agent等场景
- 管理AI模型全生命周期，从训练、调优到部署，并优化推理性能
- 承担内部培训、标准制定及项目协调工作，推动专业领域发展
- 精通Python及Pandas、Scikit-learn等数据处理库，熟悉TensorFlow/PyTorch等深度学习框架
- 扎实的数学基础（线性代数、概率统计、优化理论），掌握机器学习与深度学习核心算法
- 具备LLM相关经验，熟悉LangChain、LlamaIndex、vLLM等工具和推理框架
- 英语可作为工作语言，具备良好的沟通和项目管理能力
申请策略
- 关注德科斯米尔在沈阳的制造基地，了解其业务痛点，面试时可针对性提出AI应用场景
- 准备英文面试，尤其是技术概念和项目经验的英文表达
- 突出AI项目经验，尤其是完整主导的端到端项目，强调模型效果和业务价值
- 展示LLM相关实践，如微调、RAG、Agent等，列出具体使用的框架和工具
- 强调数学基础、编程能力和英语水平，可用英文项目或论文体现
- 如有工业工程或汽车行业背景，务必突出，是加分项
- 若缺乏大模型实战，可学习LangChain、LlamaIndex并做个人项目
- 补充推理优化知识，如vLLM、量化、蒸馏等，提升模型部署能力
面试指南
- STAR法则：情境(Situation)、任务(Task)、行动(Action)、结果(Result)描述项目
- 技术问题先给原理，再结合实际案例，最后可对比不同方案的优劣
- 跨领域问题要体现学习能力和业务理解，强调AI如何赋能传统行业
- 请描述一个你主导的AI项目，从需求分析到落地的全过程
- 如何优化LLM推理性能？介绍你用过的方法（量化、蒸馏、vLLM等）
- RAG系统中如何设计检索与生成模块？遇到过长文本怎么办？
- 如何将AI技术应用于汽车制造场景？请举例
- 英语问题：Tell us about a time you had to communicate technical concepts to non-technical stakeholders.
职位点评
67
综合评分
外资AI算法岗，技术前沿，薪资中等偏上，需现场办公，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。
更适合这类人
适合追求技术成长、乐于接触前沿AI、能接受现场办公模式的发展型求职者。
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40
使命价值65
薪资福利
70中等
该职位薪资处于沈阳市场中等偏上水平，福利待遇未在JD中明确，但外资巨头通常提供五险一金、补充医疗等，补偿性满足度中等偏上。
薪资信号面议 (15K-25K/月)
成长发展
85较高
涉及LLM、RAG等前沿技术，成长性高；JD提及培训、持续教育，但晋升通道未明确；技术栈现代，发展动机满足较好。
技术前沿前沿/新兴技术
技术栈Python、TensorFlow、PyTorch、LLM、LangChain、LlamaIndex、vLLM、NLP、机器学习、深度学习
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
40较低
未明确远程或弹性工作，沈阳办公室可能仅现场办公；JD未提及WLB，外资制造企业可能加班较少但需现场办公，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
65中等
汽车行业属于稳定成熟行业，但智能化转型带来一定增长；社会影响中性，创新程度较高（采用前沿AI技术），意义感中等偏上。
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