德科斯米尔
Industrial Engineering ES
Industrial Engineering ES
发布于 大约 3 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
Tensorflow
数据处理
机器学习
深度学习
AI 估算 · 15k–25k
沈阳AI算法岗稀缺，外企平台稳定，3年经验薪资竞争力较强，综合市场水平估算。
职位详情
关于这个职位
该职位负责为德科斯米尔沈阳工厂设计和开发AI解决方案，涵盖机器学习、深度学习、NLP及大语言模型应用
你将参与从数据处理、模型训练到部署的全流程，并利用LangChain等工具构建企业级AI系统
适合具备3年以上AI算法经验、精通Python和深度学习框架的工程师
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，熟悉Pandas、Scikit-learn
熟练掌握TensorFlow、PyTorch、MindSpore等至少一种深度学习框架
至少3年AI算法研发或大模型应用开发经验
独立主导或完整参与至少2个AI项目
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，构建定制化AI解决方案
独立完成数据挖掘、特征工程、模型训练与调优
探索LLM在对话系统、知识图谱、内容生成、智能推荐等场景的应用
设计实现Prompt Engineering方案，结合LangChain、LlamaIndex等工具构建企业级AI应用
熟悉数据处理技术及工具，利用机器学习算法支撑LLM微调数据集
优化LLM推理流程，使用vLLM、Ollama、TGI等框架，掌握量化、蒸馏等技术
参与大模型继续预训练、微调、RAG、Agent适配
管理AI模型从训练到部署的全生命周期
担任内部和外部联络人，参与工作组协作
编制内部文档并按需汇报
规划并实施内外部培训
协助制定和优化内部标准与流程
识别领域趋势并提出行动建议
开展概念性工作
管理子项目，监控项目执行
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
- 接触前沿的大语言模型技术，技术成长空间大
- 德科斯米尔作为跨国巨头，平台稳定，资源充足
- 职责涵盖ML、NLP、LLM多个方向，技能栈全面
- 有机会参与国际项目并担任内部培训，提升影响力
- 工作地点在沈阳，相比一线城市技术氛围和跳槽机会略少
- 涉及生产流程优化，可能需要与多部门协作，沟通成本高
缺点 / 挑战
- 职位职责范围广，要求同时掌握传统机器学习和LLM开发，技术压力较大
- 适合技术扎实、乐于挑战、对汽车行业数字化转型感兴趣的AI工程师
角色解读
- 从AI算法工程师向高级算法专家或技术负责人发展，逐步参与团队管理
- 通过持续学习大模型前沿技术，成为企业级AI解决方案的架构师
- 在跨国企业中积累行业经验，可横向拓展到全球其他工厂或研发中心
- 设计并开发机器学习、深度学习和NLP算法，解决实际业务场景中的问题
- 构建基于LLM的应用，如对话系统、知识图谱和智能推荐，并推动大模型落地
- 负责数据清洗、特征工程、模型训练与调优，以及模型的部署和运维
- 参与AI项目的全生命周期管理，包括子项目协调和内部流程优化
- 扎实的数学基础（线性代数、概率统计、最优化）和Python编程能力
- 熟悉Pandas、Scikit-learn等数据处理工具，掌握至少一种深度学习框架（PyTorch/TensorFlow）
- 了解LLM相关技术，如Prompt工程、RAG、模型微调和推理优化
- 具备AI项目落地经验，能够独立主导算法开发与部署
申请策略
- 关注德科斯米尔的业务方向，了解汽车线束和内饰生产流程，有助于在面试中展示业务理解
- 准备好英文自我介绍和项目讲解，因为英语是工作语言
- 突出2个以上独立或主导的AI项目，重点展示算法设计、模型优化和部署效果
- 强调Python、PyTorch/TensorFlow、Pandas等工具的熟练程度，并附上GitHub或技术博客链接
- 如有LLM相关项目（如聊天机器人、RAG系统）务必详细描述
- 体现英语能力，最好能提供英文简历或相关证明
- 提前学习LangChain、LlamaIndex等主流LLM框架，并尝试构建一个简单的RAG应用
- 复习机器学习经典算法和数学基础，特别是概率统计和优化理论
面试指南
- 采用STAR法则：情境(Situation)、任务(Task)、行动(Action)、结果(Result)来回答项目经验问题
- 对于技术问题，先阐述核心概念，再结合具体工具或框架，最后说明设计取舍
- 表达对业务场景的理解，将AI技术与工业工程需求结合，体现价值导向
- 请详细介绍一个你主导的AI项目，包括技术选型、难点解决和最终效果
- 如何对LLM进行微调？你了解哪些微调方法？
- 解释RAG的架构和工作原理，并描述一个应用场景
- 你如何优化大模型的推理延迟？请举例说明
- 你如何看待AI在汽车制造领域的应用？
职位点评
65
综合评分
前沿AI技术岗，发展空间大，但工作地点固定，薪资未明确。
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
适合追求技术前沿、希望在大平台积累AI实战经验、对汽车行业感兴趣且不介意现场办公的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利60
成长发展85
工作生活45
使命价值65
薪资福利
60中等
薪资未披露，但外企大公司通常提供有竞争力的薪酬和福利；沈阳生活成本较低，整体薪资购买力尚可。
薪资信号未披露（AI估算：15K-25K/月）
成长发展
85较高
职位涉及当前最热门的LLM、NLP和深度学习技术，且明确要求持续学习和培训，发展空间大。
技术前沿前沿/新兴技术
技术栈Python、TensorFlow、PyTorch、NLP、LLM、RAG、LangChain、vLLM、Ollama、TGI
业务类型ambiguous
工作生活
45较低
仅现场办公，JD未提及弹性或远程；工作地点在沈阳，通勤便利性未知，但外企通常有较规范的工作时间。
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
65中等
汽车行业数字化转型具有实际价值，但JD未提及社会使命；AI技术在工业场景的应用有积极意义。
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
德科斯米尔 的其他在招职位
相似职位推荐
Watch Jobs