德科斯米尔
Industrial Engineering ES
Industrial Engineering ES
发布于 1 小时前普通员工/个人贡献者
全职员工仅现场办公人工智能
人工智能
Llm
Nlp
Prompt Engineering
Pytorch
Rag
Tensorflow
Vllm
机器学习
值不值得投
74综合评分
综合评分 74
跨国车企AI算法岗，大模型技术栈前沿，成长空间大，薪资处于沈阳市场中上水平。
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便横向比较。
薪资怎么样
2万
比人工智能中位数低
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
77 个在招 · 其中人工智能 3 个
市场机会
选择不多
沈阳 · 人工智能 · 3 个在招
职位详情
关于这个职位
该职位负责机器学习、深度学习及自然语言处理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
你将探索大语言模型在对话系统、知识图谱等场景的落地，并负责AI模型从训练到部署的全生命周期管理
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
计划和实现现有产品和新产品的生产工艺
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
- 接触前沿的大模型技术，在汽车零部件巨头企业有丰富的业务场景落地机会
- 外企背景，工作流程规范，注重内部培训与标准优化
- 大模型在传统制造场景的落地需要解决诸多工程化与算力限制问题
- 具备一定AI算法经验，对大模型技术有热情，希望在实体制造业探索AI落地场景的技术人才
缺点 / 挑战
- 职位标题为Industrial Engineering但实际为AI算法岗，可能存在跨部门沟通或业务理解上的挑战
角色解读
- 从AI算法工程师向大模型技术专家或AI架构师发展，也可向AI项目负责人或技术管理方向转型
- 负责机器学习、深度学习及NLP领域的算法设计与开发，构建定制化AI解决方案
- 探索大语言模型在对话系统、知识图谱等场景的落地，优化推理流程并管理模型全生命周期
- 扎实的数学基础与Python编程能力，精通PyTorch/TensorFlow等深度学习框架
- 具备大模型微调、RAG、Prompt Engineering及推理优化的实战经验
申请策略
- 了解德科斯米尔在汽车内饰和线束系统的业务背景，思考AI技术如何赋能其生产工艺优化或企业内部管理
- 突出大模型相关项目经验，如RAG、Agent、微调及推理优化
- 展示独立主导AI项目从设计到部署的全流程能力
- 深入学习LangChain、LlamaIndex等LLM应用开发框架，掌握vLLM等推理加速技术
面试指南
- 采用STAR法则（情境、任务、行动、结果）描述项目经验，重点突出技术选型、难点攻克及最终的业务收益
- 请详细介绍你主导过的一个大模型落地项目，遇到了哪些挑战及如何解决？
- 在优化LLM推理流程时，你如何使用vLLM或量化/蒸馏技术降低延迟？
- 如何设计Prompt Engineering方案或RAG系统来提升垂直领域问答的准确率？
- 你的数学基础如何支撑你在特征工程和模型调优中的工作？
- 复习大模型核心原理，准备深度参与的项目细节
- 了解汽车制造行业的数字化转型趋势及AI赋能场景
职位点评
薪资福利70
成长发展85
工作生活65
使命价值75
薪资福利
70中等
沈阳地区AI算法岗薪资处于中等偏上水平，跨国企业福利体系相对完善，但整体薪资上限不及一线城市互联网企业。
薪资信号未披露（AI估算：1.5千–2.5万/月）
成长发展
85较高
岗位涉及LLM、RAG、Agent等前沿技术，且JD明确提及规划内部培训、识别持续教育需求，技术成长空间大。
技术前沿前沿/新兴技术
技术栈Python、PyTorch、TensorFlow、LLM、NLP、LangChain、RAG、vLLM、Prompt Engineering
成长机会规划并实施复杂主题的内部及外部培训、识别公司内部本领域持续教育需求
业务类型ambiguous
工作生活
65中等
跨国制造企业通常工作节奏相对规范，但JD未明确说明WLB政策，且涉及项目管理和子项目协调，可能存在一定的工作压力。
工作模式未明确
办公地点工厂/生产基地
加班情况未提及（无法判断）
使命价值
75中等
汽车行业的智能化转型是重要趋势，通过AI技术提升驾驶体验和生产工艺，具有一定的行业前景和社会价值。
行业发展稳定成熟行业
社会影响中性/一般
使命信号enhance your driving experience、contribute their knowledge, skills and automotive passion
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