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AI算法
AI算法
Llm
Machine Learning
Nlp
Pytorch
Tensorflow
值不值得投
73综合评分
综合评分 73
跨国车企AI算法岗，技术前沿，平台稳定，适合追求长期技术发展的求职者
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
2.8万
比AI算法中位数低
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 220 个在招
职位详情
关于这个职位
该职位主要负责机器学习、深度学习及大语言模型（LLM）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
候选人需独立完成数据挖掘、模型训练优化及推理流程加速，并推动大模型在企业级场景中的落地应用
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、概率统计和最优化理论
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或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
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
- 跨国巨头平台，技术栈前沿（LLM/AI），行业稳定，福利体系完善
- 希望在大厂平台深耕AI技术，且能接受制造业工作环境的技术型人才
缺点 / 挑战
- 制造业背景下的AI落地可能面临数据质量或业务耦合挑战，需适应传统企业流程
角色解读
- 可向AI架构师、高级算法专家或技术管理方向发展，深耕垂直领域AI应用
- 负责AI算法的研发与大模型技术的落地应用，包括模型训练、优化及部署
- 精通Python及主流深度学习框架，具备LLM微调、RAG及推理加速实战经验
申请策略
- 了解德科斯米尔在汽车内饰领域的业务特点，展示AI如何解决具体生产或管理问题
- 突出LLM应用、模型优化及全生命周期管理经验，强调项目落地成果
- 加强Prompt Engineering、RAG架构及模型推理加速（如vLLM）的实际操作能力
面试指南
- 采用STAR法则，重点描述技术选型理由、难点突破过程及最终业务价值
- 请分享一个你主导的LLM落地项目，遇到的最大挑战是什么？
- 如何优化LLM的推理延迟并降低成本？
- 在制造业场景中，如何处理非结构化数据以支持AI模型训练？
- 复习大模型前沿技术（如LoRA、P-Tuning），准备具体的模型优化案例和数据治理经验
职位点评
薪资福利75
成长发展85
工作生活60
使命价值65
薪资福利
75中等
作为跨国巨头，提供具有竞争力的薪资和规范福利，但沈阳地区薪资绝对值低于一线城市。
薪资信号未披露（AI估算：2.0千–3.5万/月）
成长发展
85较高
技术栈非常前沿（LLM、RAG、Agent），且公司有明确的培训和内部交流机制，成长空间大。
技术前沿前沿/新兴技术
技术栈LLM、NLP、Deep Learning、LangChain、vLLM、RAG
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cost_center
工作生活
60中等
制造业通常要求现场办公，WLB相对互联网大厂可能更规律，但具体加班情况未明确。
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
65中等
通过AI技术赋能汽车制造，提升效率和体验，具有一定的社会价值和行业前景。
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