德科斯米尔
Industrial Engineering ES
Industrial Engineering ES
发布于 大约 4 小时前普通员工/个人贡献者
沈阳市
高级经验
全职员工
仅现场办公
本科
工业工程
Llm
Nlp
Pytorch
Rag
Tensorflow
工业工程
机器学习
深度学习
AI 估算 · 15k–25k
职位详情
关于这个职位
该职位主要负责汽车线束系统和内饰产品的生产工艺规划与实现，同时涉及AI算法（机器学习、深度学习、NLP）的开发与优化，以及大模型（LLM）在企业级场景的应用落地
工作内容包括数据挖掘、模型训练、推理优化、RAG和Agent适配等，并需参与内部培训与流程优化
适合具备扎实数学和编程基础、有AI项目经验的工程师
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
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
- 跨国企业平台，提供国际化工作环境和资源
- 涉及前沿AI技术（LLM、RAG），技术成长空间大
- 职位职责多样，可提升项目管理、培训等综合能力
- 工作内容涉及AI与工业工程交叉，需快速学习新知识
- 适合具备扎实AI技术背景、愿意在制造业数字化转型中深耕、并能适应跨文化工作环境的工程师
缺点 / 挑战
- 可能需要承担多项目并行压力，工作强度较高
- 英语作为工作语言，对沟通能力有较高要求
角色解读
- 可向AI算法专家或大模型架构师方向发展
- 有机会晋升为技术团队负责人或项目经理
- 在汽车行业数字化转型中积累跨领域经验
- 负责AI算法（机器学习、深度学习、NLP）的设计与开发，构建定制化解决方案
- 参与大模型（LLM）的应用落地，包括RAG、Agent、Prompt Engineering等
- 管理AI模型全生命周期，从训练到部署，确保生产环境稳定性
- 承担内部培训、流程优化和子项目管理等职责
- 精通Python，熟悉Pandas、Scikit-learn等数据处理工具
- 熟练掌握至少一种深度学习框架（TensorFlow、PyTorch、MindSpore）
- 具备扎实的数学基础（线性代数、概率统计、最优化）
- 有3年以上AI算法或大模型应用开发经验，英语可作为工作语言
申请策略
- 了解德科斯米尔在汽车行业的技术创新方向
- 准备英文简历和面试，展示跨文化沟通能力
- 突出AI项目经验，特别是大模型应用（如RAG、Agent）的落地案例
- 强调Python编程和深度学习框架的熟练度
- 展示数学基础和算法优化能力
- 提及英语能力，尤其是技术文档和沟通
- 补充LangChain、vLLM等大模型工具链的实践经验
- 学习工业工程基础知识，了解汽车制造流程
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
- 强调技术决策的考量因素和实际效果，量化成果
- 展示跨领域学习能力和解决问题的思路
- 请描述一个你主导的AI项目，包括技术选型和落地效果
- 如何优化LLM推理性能？你使用过哪些框架？
- 在工业场景中，如何应用RAG技术解决实际问题？
- 你如何管理多个项目并确保按时交付？
- 请用英语介绍你的一个技术方案
职位点评
71
综合评分
跨国车企AI工程师，技术前沿，成长空间大，但工作灵活性一般。
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、对AI前沿应用感兴趣，且能接受现场办公的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利70
成长发展85
工作生活50
使命价值75
薪资福利
70中等
跨国企业提供相对稳定的薪资和福利，但具体薪资未披露，整体处于市场中等水平。
薪资信号未披露（AI估算：15K-25K/月）
成长发展
85较高
职位涉及前沿AI技术（LLM、RAG），提供丰富的技术成长机会，且公司鼓励内部培训。
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、PyTorch、TensorFlow、RAG
成长机会内部培训、继续教育
业务类型ambiguous
工作生活
50较低
工作地点在沈阳，现场办公，未提及弹性工作或远程，通勤和灵活性一般。
工作模式仅现场办公
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
75中等
汽车行业数字化转型具有积极意义，公司注重创新，但具体社会影响未明确。
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
Watch Jobs