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
机器学习工程
Llm
Nlp
Pytorch
Rag
Scikit-Learn
Tensorflow
Vllm
AI 估算 · 15k–25k
AI/LLM人才需求旺盛，3年经验薪资较高，沈阳薪资低于一线城市，外资企业相对稳定。
职位详情
关于这个职位
这是一份面向AI算法与LLM应用开发的工程师职位，位于沈阳
你将负责机器学习、深度学习、NLP算法的设计与开发，探索LLM在对话系统、知识图谱等场景的应用，并参与模型微调、RAG、推理优化等工作
适合具备3年以上AI经验、熟悉Python和深度学习框架的候选人
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
- 接触前沿的LLM技术，参与企业级AI应用落地，技术成长空间大
- 德科斯米尔作为跨国企业，平台稳定，内部培训丰富
- 岗位职责涵盖算法研发到生产部署，能积累全栈AI经验
- 英语作为工作语言，可提升跨文化沟通能力
- 对数学基础和算法能力要求高，需持续学习新技术
- 工作地点在沈阳，AI岗位较少，可能面临较少的职业流动性
- 工作内容涉及从研发到部署的完整流程，需要较强的自我驱动力
- 适合对AI/LLM技术有热情、具备3年以上相关经验且希望在外资企业稳定发展的工程师
缺点 / 挑战
暂无明显挑战项
角色解读
- 从AI工程师向高级算法工程师或大模型专家方向发展
- 可逐步承担更多技术管理职责，如带领子项目或团队
- 内部培训体系完善，可跨部门或跨国发展
- 负责机器学习、深度学习和NLP算法的设计与开发，构建定制化AI解决方案
- 探索大规模语言模型在对话系统、知识图谱、内容生成等场景的应用，推动企业级落地
- 优化LLM推理流程，涉及模型微调、RAG、Agent等，并管理AI模型的全生命周期
- 参与内部培训、标准制定和跨部门协作，汇报技术成果
- 扎实的数学基础（线性代数、概率统计），掌握机器学习与深度学习核心算法
- 精通Python编程，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（TensorFlow/PyTorch/MindSpore）
- 具备LLM应用开发经验，了解RAG、LangChain、vLLM等工具
申请策略
- 关注企业的业务方向，理解AI技术在汽车制造行业的应用价值
- 准备与LLM相关的技术演示或案例，展示解决实际问题的能力
- 突出独立主导或完整参与的AI项目，说明算法设计、开发与落地的具体成果
- 强调LLM应用经验，如RAG、微调、Prompt Engineering等具体案例
- 展示扎实的编程能力和数学基础，可附上GitHub或个人项目
- 如有英语工作环境经验，务必提及英语能力
- 提前了解LangChain、LlamaIndex等主流LLM框架，并动手实践
- 熟悉vLLM、Ollama等推理框架及量化蒸馏技术，增强实操能力
面试指南
- 采用STAR原则（情境、任务、行动、结果）描述项目经历
- 针对技术问题，先阐述基础概念，再结合项目实例说明
- 对于开放式问题，展示逻辑思考过程和权衡取舍
- 请介绍一个你主导的AI项目，包括技术选型和遇到的问题
- 如何优化大规模语言模型的推理速度？
- 解释一下RAG的工作原理以及适用场景
- 你对模型微调和继续预训练的理解？
- 如何在生产环境中保证模型的稳定性？
职位点评
64
综合评分
跨国企业AI/LLM工程师，技术前沿但工作地在沈阳，薪资未明，WLB待定。
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
该职位最适合重视技术成长和职业发展的求职者，尤其是对LLM和AI应用充满热情、愿意在外资制造企业长期发展的人。
表现最好
成长发展
相对薄弱
工作生活
薪资福利55
成长发展85
工作生活50
使命价值60
薪资福利
55较低
公司为跨国巨头，提供稳定平台，但薪酬未在JD中披露，具体福利也不明确。
薪资信号未披露（AI估算：15K-25K/月）
成长发展
85较高
岗位涉及前沿LLM技术与完整AI生命周期，同时提供内部培训和继续教育机会，发展空间大。
技术前沿前沿/新兴技术
技术栈LLM、RAG、LangChain、PyTorch、NLP
成长机会继续教育需求、内部及外部培训
业务类型ambiguous
工作生活
50较低
工作地点在沈阳，JD未提及弹性办公或远程，可能为常规的现场办公模式。
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
公司属于汽车零部件行业，相对成熟，但AI应用有助于推动智能化转型，具有一定创新意义。
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