德科斯米尔
Industrial Engineering ES
Industrial Engineering ES
发布于 大约 14 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
数据处理
TensorFlow
LLM
AI算法
AI 估算 · 15k–30k
沈阳AI算法岗薪资中等偏上，结合跨国企业平台和技能要求，月薪约1.5-3万。
职位详情
关于这个职位
该职位是德科斯米尔（汽车零部件巨头）在沈阳的AI算法工程师岗位，专注于机器学习、深度学习、自然语言处理及大语言模型（LLM）的算法设计与落地
你将参与从数据挖掘、模型训练到部署的全流程，并推动AI技术在企业级场景的应用，如对话系统、知识图谱和智能推荐
适合有3年以上经验、追求技术前沿的工程师
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、LlamaIndex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
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，技术积累深厚，有机会接触汽车行业AI应用场景
- 专注于LLM等前沿技术，有利于保持技术竞争力
- 明确要求培训职责，可以锻炼技术分享和领导能力
- 沈阳生活成本较低，薪资在当地有吸引力
- 工作地点在沈阳，冬季寒冷，且可能需在工厂环境办公
- 职责涉及从算法到项目协调，工作内容较为综合，需要较强的自驱力
- 适合热爱AI前沿技术、有算法落地经验、能接受沈阳工作地点、并希望在跨国企业长期发展的求职者
缺点 / 挑战
- 对英语要求较高，需要作为工作语言进行内部和外部沟通
角色解读
- 在该岗位上可以深入掌握LLM、Prompt Engineering等前沿技术，成为AI专家
- 未来可向技术管理岗（团队负责人）或高级算法架构师发展
- 公司提供内外部培训机会，有助于持续提升技术视野和行业影响力
- 负责机器学习、深度学习、NLP等算法的设计与开发，构建定制化AI解决方案
- 进行数据挖掘、特征工程、模型训练与调优，提升模型性能
- 探索和应用大语言模型（LLM）于对话系统、知识图谱等场景，推动企业级落地
- 管理AI模型从训练到部署的全生命周期，并负责内部培训与标准制定
- 扎实的数学基础，精通线性代数、概率统计和最优化理论
- 精通Python，熟练使用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3年以上AI算法或大模型开发经验，独立主导过至少2个AI项目
申请策略
- 在简历和面试中突出项目成果（如模型准确率提升、效率优化等量化指标）
- 准备一个完整的AI项目案例，涵盖从问题定义到部署的流程
- 突出AI项目经验，特别是独立主导或完整参与过的大型项目，包括算法设计、开发与落地
- 强调LLM、NLP相关经验，如对话系统、知识图谱、Prompt Engineering等
- 展示技术栈：Python、TensorFlow/PyTorch、LangChain、LLM推理框架等
- 体现英语能力，如工作中的英文文档、国际培训或协作经历
- 系统学习LLM相关技术，包括RAG、Agent、模型轻量化（量化、蒸馏）等
- 熟悉LangChain、LlamaIndex等框架，掌握Prompt Engineering技巧
面试指南
- 采用STAR法则（情境、任务、行动、结果）来回答项目经历
- 对于技术问题，先阐述理论，再结合实际案例，最后总结优化思路
- 对于场景题，从业务需求出发，分析技术方案，并权衡利弊
- 请详细介绍一个你主导的AI项目，包括算法设计、模型选型、性能优化和落地效果
- 你对大语言模型（LLM）的微调和部署有哪些经验？如何处理模型在垂直领域的适配？
- 如何设计一个Prompt Engineering方案来提升LLM的输出质量？
- 解释你对模型量化、蒸馏等轻量化技术的理解，并说明如何应用于生产环境
- 你如何看待AI在汽车制造或工业工程中的应用？请举例说明
职位点评
75
综合评分
跨国企业AI算法岗，前沿技术栈，薪资中等偏上，需现场办公。
更适合这类人
最适合追求技术成长和前沿AI领域的求职者，对工作地点灵活性和WLB要求不高。
表现最好
成长发展
相对薄弱
工作生活
薪资福利80
成长发展90
工作生活60
使命价值70
薪资福利
80较高
薪资未明确披露，但跨国企业通常提供有竞争力的薪酬和福利，沈阳地区AI岗位薪资水平较高，补偿性动机满足度较好。
薪资信号未披露（AI估算：15K-30K/月）
成长发展
90较高
职位聚焦LLM等前沿技术，提供内外部培训机会，技术成长空间大，发展性动机满足度高。
技术前沿前沿/新兴技术
技术栈机器学习、深度学习、NLP、LLM、Prompt Engineering、LangChain、RAG、模型量化
成长机会内部培训、外部培训、持续教育
业务类型profit_center
工作生活
60中等
仅现场办公，未提及远程或弹性工作，沈阳工厂环境可能影响生活体验，但未明确加班情况，生活化动机满足度一般。
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
70中等
汽车行业向智能化转型，AI应用前景广阔，但该职位偏技术实现，社会影响力相对中性，意义感动机中等。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs