德科斯米尔
Industrial Engineering ES
Industrial Engineering ES
发布于 大约 9 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
数据挖掘
PyTorch
TensorFlow
LLM
Scikit-learn
LlamaIndex
AI 估算 · 15k–25k
沈阳AI算法岗，3年以上经验，汽车行业跨国企业，薪资处于沈阳中上水平。
职位详情
关于这个职位
该职位是德科斯米尔（沈阳）的AI算法工程师，负责机器学习、深度学习、NLP及大语言模型（LLM）的算法设计与落地，优化模型性能并推动AI技术在企业级场景的应用
需要扎实的数学和编程基础，以及3年以上相关经验
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管理周期管理，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
- 身处汽车行业头部企业，项目资源丰富，技术落地场景明确
- 涉及前沿AI技术（LLM、RAG、Agent），个人技术成长快
- 跨国企业平台，有机会参与国际项目，提升英语和跨文化能力
- 对数学和算法功底要求高，需要持续学习新技术
- 工作地点在沈阳，相比一线城市AI岗位竞争较小但薪资上限有限
- 需同时承担培训、标准制定等职责，工作内容较杂
- 适合有3年以上AI经验、热爱技术、希望在外企稳定发展并深耕汽车行业AI应用的求职者
缺点 / 挑战
暂无明显挑战项
角色解读
- 技术路线：从算法工程师逐步成长为AI专家或首席科学家
- 管理路线：可转向AI团队负责人或技术总监，带领团队落地项目
- 横向发展：有机会接触汽车行业智能制造、工业工程等跨领域应用
- 设计和开发机器学习、深度学习及NLP算法，构建定制化AI解决方案
- 探索并落地大语言模型（LLM）在对话、知识图谱、内容生成等场景的应用
- 负责AI模型的全生命周期管理，包括训练、调优、部署和推理优化
- 参与内部标准的制定、培训以及跨部门协作
- 扎实的数学基础（线性代数、概率统计、最优化）和机器学习理论
- 精通Python，熟悉TensorFlow或PyTorch等深度学习框架
- 熟悉LLM相关技术栈，如LangChain、RAG、模型量化与蒸馏
- 具备数据清洗、特征工程和模型调优的实际项目经验
申请策略
- 关注德科斯米尔的业务方向，在面试中展现对汽车行业AI应用的理解
- 准备一个端到端的AI项目案例，从问题定义到部署，展示全栈能力
- 突出至少2个完整的AI项目经历，详细描述算法设计、开发与落地过程
- 强调LLM、大模型应用相关经验，如RAG、LangChain、Prompt Engineering等
- 体现数学基础和编程能力，如Python、TensorFlow/PyTorch的使用
- 展示英语水平，如通过CET-6或曾有英文工作环境
- 补充LLM推理优化知识（vLLM、TGI等）和模型轻量化技术（量化、蒸馏）
- 深入学习LangChain和LlamaIndex等框架，构建完整的LLM应用系统
面试指南
- 对于项目类问题，采用STAR法则：情境、任务、行动、结果
- 对于技术问题，先阐述核心概念，再结合实际经验举例，最后总结优势或改进点
- 对于观点类问题，先表明立场，再提出论据（如行业趋势、个人实践），最后给出具体建议
- 请简述你参与过的一个AI项目，包括算法选型、模型训练和部署挑战
- 如何优化LLM推理性能？你了解哪些推理框架和轻量化技术？
- 解释RAG的工作原理，以及你如何设计一个RAG系统？
- 如何处理数据不平衡问题？举例说明特征工程的方法
- 你如何看待AI在汽车制造中的应用？请结合你的经验
职位点评
68
综合评分
沈阳外企AI岗，技术前沿，薪资中等，WLB一般。
更适合这类人
适合看重技术成长、愿意在沈阳稳定发展、能接受固定办公模式的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利70
成长发展85
工作生活50
使命价值65
薪资福利
70中等
薪资处于沈阳中上水平，福利来自外企标准（五险一金等），但JD未明确薪资范围。
薪资信号未披露（AI估算：15K-25K/月）
成长发展
85较高
职位涉及前沿AI技术（LLM、RAG、Agent），成长性强，且提供培训机会。
技术前沿前沿/新兴技术
技术栈机器学习、深度学习、NLP、LLM、LangChain、RAG、Agent、TensorFlow、PyTorch
成长机会持续教育需求、内部及外部培训
业务类型ambiguous
工作生活
50较低
工作地点固定沈阳，未提远程或弹性办公，加班信号不明确。
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
汽车行业稳定，AI赋能智能制造有一定社会价值，但使命感不突出。
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
Watch Jobs