德科斯米尔
Industrial Engineering ES
Industrial Engineering ES
发布于 大约 8 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)
机器学习
深度学习
NLP
PyTorch
TensorFlow
LLM
Scikit-learn
vLLM
AI 估算 · 15k–30k
沈阳AI算法岗位，3年经验，汽车外企，薪资具备竞争力，略高于当地平均水平。
职位详情
关于这个职位
该职位结合了工业工程与AI技术，主要负责机器学习、深度学习和自然语言处理算法的设计与开发，构建面向业务场景的定制化AI解决方案
你将参与大模型（LLM）的微调、推理优化和RAG应用，推动AI技术在汽车制造领域的落地
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
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、自然语言处理等领域的算法设计与开发，构建定制化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
探索大规模语言模型在对话系统、知识图谱、内容生成、智能推荐等场景的应用
设计实现Prompt Engineering方案，结合LangChain、LlamaIndex构建企业级AI应用
熟悉数据处理技术及工具，利用机器学习算法完成数据聚类分布，支撑LLM微调数据集
优化LLM推理流程，利用vLLM、Ollama、TGI等框架提升服务性能，掌握模型轻量化技术
参与大模型继续预训练、微调、RAG、Agent领域适配
管理AI模型全生命周期：训练、调参、测试到部署
在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
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，监控项目执行与目标达成
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AI技术（LLM、RAG、Agent），技术栈新颖且实用性强
- 大型跨国汽车企业，平台稳定，资源充足，有国际化合作机会
- 职责涵盖完整AI项目生命周期，有利于全面技能积累
- 工作地点在沈阳，相比一线城市AI岗位机会较少，薪资天花板可能较低
- 需同时兼顾工业工程和AI双重背景，要求学习能力较强
- 适合有一定AI算法经验、希望在制造业中实践大模型技术、且愿意在沈阳长期发展的技术人才
缺点 / 挑战
- 可能涉及跨部门协作和培训任务，对沟通能力要求较高
角色解读
- 技术路线：从AI算法工程师成长为高级算法专家或技术负责人，深入LLM和AI应用架构
- 管理路线：积累项目管理经验后转向技术管理，领导AI团队或工业工程创新项目
- 行业路线：在汽车制造领域深耕，成为工业4.0和智能制造方向的AI专家
- 设计并开发机器学习、深度学习及NLP算法，构建面向业务场景的AI解决方案
- 负责大模型（LLM）的微调、推理优化、RAG应用及Agent开发，推动技术在企业级场景落地
- 管理AI模型全生命周期，从数据挖掘、特征工程到模型训练、部署及性能优化
- 作为专业领域联络人，参与内外部协作，并制定内部标准和流程
- 精通Python及数据处理工具（Pandas、Scikit-learn），熟练使用深度学习框架（TensorFlow/PyTorch）
- 熟悉大模型技术栈，包括LLM微调、LangChain、vLLM、RAG等
- 扎实的数学基础（线性代数、概率统计、最优化），具备独立完成算法项目的能力
- 英语可作为工作语言，具备良好的沟通和培训能力
申请策略
- 关注德科斯米尔的业务方向（汽车线束、内饰），思考AI如何提升制造效率或产品质量
- 面试前准备一个完整的AI项目案例，突出从需求分析到落地的全过程
- 突出AI项目的完整经历：包括算法设计、数据准备、模型训练、部署及效果优化
- 强调大模型相关经验：LLM微调、RAG、LangChain等具体技术和工具的使用
- 展示数学基础：线性代数、概率统计等课程成绩或相关项目应用
- 体现英语能力和培训经验：如有英语工作环境或内部培训经历务必列出
- 系统学习大模型技术栈：LLM原理、Fine-tuning、Prompt Engineering、LangChain框架
- 补充工业工程基础知识：了解生产流程、工艺流程的基本概念，以便与业务结合
面试指南
- 使用STAR法则（情境、任务、行动、结果）回答项目经验问题，突出技术细节和量化结果
- 对于原理性问题，先给出定义，再结合实践经验，最后总结优缺点
- 对于开放性场景题，展示结构化思考：明确目标→分析数据→选择技术→评估方案
- 请介绍你参与过的一个LLM微调项目，包括数据准备、模型选择、优化策略和最终效果
- 在推理优化中，你如何平衡模型性能与延迟？用过哪些工具？
- 解释RAG的原理，以及你在项目中如何实现检索增强生成
- 如何评估一个AI模型在生产环境中的稳定性？你会采取哪些监控措施？
- 你如何理解工业工程与AI的结合？举一个潜在的应用场景
职位点评
61
综合评分
沈阳外企AI算法岗，技术前沿，成长性好，但WLB一般且薪资竞争力有限。
更适合这类人
适合重视技能成长和前沿技术、能接受在沈阳现场办公的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利65
成长发展85
工作生活40
使命价值55
薪资福利
65中等
薪资水平在沈阳具有竞争力，但相比一线城市偏低；外企福利较好，但JD未明确具体福利。
薪资信号未披露（AI估算：15K-30K/月）
成长发展
85较高
技术栈前沿（LLM、RAG、Agent），有培训责任和项目主导机会，技能成长空间大。
技术前沿前沿/新兴技术
技术栈Python、TensorFlow、PyTorch、Pandas、Scikit-learn、LLM、LangChain、vLLM、RAG
成长机会培训
业务类型ambiguous
工作生活
40较低
仅现场办公，沈阳办公室地点未明确，无WLB信号，可能有一定项目压力。
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
55较低
汽车制造行业稳健，但AI与工业工程结合有一定创新价值；社会影响力中性。
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