
Industrial Engineering ES
发布于 1 小时前普通员工/个人贡献者
值不值得投
综合评分 70
偏前沿AI算法与大模型落地岗位,技术成长强,薪资与办公灵活性信息不足
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
2.4万
与AI算法中位数基本持平
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 320 个在招 · 其中AI算法 18 个
市场机会
选择适中
沈阳 · AI算法 · 18 个在招
职位详情
关于这个职位
该岗位面向汽车零部件制造场景,负责AI算法与大模型应用方案的设计、开发、调优和落地,重点覆盖机器学习、深度学习、NLP、LLM推理优化及企业级AI应用构建
最低要求
At least Bachelor’s degree in computer science, mathematics, and Computer Science, Industrial Engineering, AI Applications, Mathematics and etc.
工作职责
Plan and realize production processes for existing and new products.
AI 洞察
优缺点分析
优点
- 岗位覆盖机器学习、NLP、LLM、RAG、Agent和推理优化等较完整的大模型应用链路,技术内容较丰富
- 依托汽车零部件制造场景,有机会将算法能力落地到真实业务流程中,积累行业化AI项目经验
- JD提到内部工作组、培训、标准流程优化和子项目协调,有利于提升跨团队影响力
- 英语可作为工作语言,适合希望积累跨国企业协作经验的候选人
- 适合具备AI算法研发或大模型应用落地经验,既能做模型训练调优,也能推进工程部署和跨部门协作的技术候选人
缺点 / 挑战
- 岗位同时涉及AI算法、大模型工程化、生产流程优化和项目协调,职责范围较广,对综合交付能力要求较高
- 需要保障模型在生产环境中的稳定性、实时性和高性能,可能面临工程落地与业务约束之间的平衡压力
- 要求至少3年经验和2个完整AI项目经历,竞争门槛较高,项目深度会被重点考察
角色解读
- 可向资深AI算法工程师或大模型应用专家方向发展,深耕模型训练、推理优化和企业级落地
- 可逐步承担子项目负责人角色,积累跨部门协作、标准流程建设和内部培训经验
- 未来可拓展到AI平台架构、智能制造算法解决方案或技术管理方向
- 负责机器学习、深度学习和NLP算法设计开发,围绕制造与业务场景构建定制化AI解决方案
- 参与大模型在对话系统、知识图谱、内容生成、智能推荐等场景的落地,包括Prompt Engineering、RAG、Agent适配和微调
- 完成数据挖掘、特征工程、模型训练调优、测试部署及生产环境性能保障,并优化LLM推理延迟和吞吐
- 参与内部标准流程优化、复杂问题分析、子项目协调、文档编制和跨部门培训汇报
- 需要扎实的Python编程能力,并熟悉Pandas、Scikit-learn等数据处理工具
- 需要掌握线性代数、概率统计、最优化理论等数学基础,理解算法建模与调优原理
- 需要熟练使用至少一种深度学习框架,如TensorFlow、PyTorch或MindSpore,并具备模型训练到部署的完整经验
- 需要了解LLM应用技术栈,包括LangChain、LlamaIndex、vLLM、Ollama、TGI、RAG、量化和蒸馏等
申请策略
- 申请前建议了解德科斯米尔在汽车线束和车内饰领域的业务特点,准备算法如何服务制造场景的思路
- 面试中尽量用量化指标说明项目价值,如准确率、召回率、延迟、吞吐量、上线效率或业务改善效果
- 重点突出至少2个完整AI项目的背景、个人职责、技术方案、模型效果指标和上线结果
- 明确写出Python、PyTorch/TensorFlow、Pandas、Scikit-learn、LangChain、LlamaIndex、RAG、vLLM等技术栈的实际使用经验
- 强化大模型应用落地经历,如对话系统、知识图谱、内容生成、智能推荐、微调、量化、蒸馏或推理性能优化
- 补充英语协作、跨部门沟通、文档编写、培训或项目协调经历,匹配JD中的联络与工作组职责
- 可重点补齐LLM应用工程能力,包括RAG流程设计、Prompt Engineering、Agent工具调用和企业知识库构建
- 建议熟悉vLLM、Ollama、TGI等推理框架,并理解量化、蒸馏、缓存和批处理等性能优化方法
面试指南
- 项目类问题采用“背景-目标-方案-难点-结果-复盘”结构,重点说明个人贡献和可量化成果
- 技术类问题采用“问题定义-可选方案-取舍依据-实验验证-上线监控”的思路,体现工程闭环
- 协作类问题采用“ stakeholder 识别-沟通机制-里程碑管理-风险处理-结果沉淀”的框架回答
- 请介绍一个你独立主导或完整参与的AI项目,包括业务背景、技术方案、模型效果和上线结果
- 你在大模型应用中如何设计RAG流程?如何处理知识库切分、召回质量和幻觉问题?
- 如何优化LLM推理服务的延迟和吞吐量?你使用过vLLM、Ollama或TGI吗?
- 面对一个制造业务场景,你会如何判断应该使用传统机器学习、深度学习还是大模型方案?
- 你如何与内部业务、IT或生产团队协作,推动AI方案从验证到落地?
职位点评
薪资福利
JD未披露薪资和福利信息,因此补偿性动机只能基于岗位要求进行有限判断。岗位要求三年以上经验和大模型落地能力,通常对应较有竞争力的技术岗位定位,但具体薪资福利需与招聘方确认。
成长发展
岗位覆盖机器学习、深度学习、NLP、LLM、RAG、Agent、推理优化和模型全生命周期管理,技术成长空间较大。JD还提到内部培训、标准流程优化和子项目协调,有助于提升技术影响力和项目推进能力。
工作生活
JD仅明确为全职并注明地点为沈阳,未提及远程、混合办公、弹性工时或加班情况。工作模式和生活节奏信息不足,需要在面试中进一步确认。
使命价值
岗位服务于汽车线束系统和车辆内饰产品创新,并涉及生产工艺优化,具备一定制造业技术升级价值。JD未直接表达社会使命或绿色、安全等价值导向,意义感主要来自技术落地和流程改进。
德科斯米尔 的其他在招职位