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
全职员工仅现场办公人工智能
人工智能
Llm
Nlp
Pytorch
Rag
Scikit-Learn
Tensorflow
工业工程
值不值得投
73综合评分
综合评分 73
外企巨头，AI技术前沿，发展空间大，但工作地点固定，WLB一般。
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。
薪资怎么样
20K
比人工智能中位数低
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 190 个在招
职位详情
关于这个职位
该职位是德科斯米尔（Dräxlmaier）沈阳工厂的工业工程专家，核心职责是规划和实现现有及新产品的生产工艺
同时，该职位也涉及AI算法开发，包括机器学习、深度学习和NLP，以及大语言模型（LLM）在企业级场景的应用落地
你将负责从数据挖掘、模型训练到部署的全生命周期管理，并参与内部流程优化与培训
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
计划和实现现有产品和新产品的生产工艺
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，Llamalndex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
- 外企巨头，平台稳定，能接触到全球领先的汽车制造工艺
- 工作内容涉及大模型等前沿技术，有较多实践和探索机会
- 公司提供内部培训，支持持续学习
- 岗位职责跨度大，需要同时具备工业工程和AI算法能力，对个人综合能力要求高
- 工作地点在沈阳，薪资水平可能不如一线城市，但生活成本也相对较低
- 适合具备AI算法背景，希望将技术应用于传统工业制造领域，并追求稳定职业发展的求职者
缺点 / 挑战
- 职位结合了工业工程和AI，技术前沿，有挑战性，技能积累价值高
- 作为传统制造业的AI岗位，可能面临业务场景复杂、数据基础薄弱等挑战
角色解读
- 可在工业AI领域深耕，成为AI算法专家或工业工程与AI结合的复合型人才
- 有机会向技术管理方向发展，领导AI项目团队或负责整个工厂的智能化升级
- 依托德科斯米尔全球平台，可参与国际项目，获得跨国职业发展机会
- 负责规划和实现现有及新产品的生产工艺，将AI技术应用于工业制造场景
- 设计并开发机器学习、深度学习和NLP算法，构建定制化AI解决方案
- 探索和落地大语言模型（LLM）在对话系统、知识图谱、内容生成等企业级应用
- 管理AI模型从训练、调优到部署的全生命周期，并参与内部流程优化和培训
- 扎实的数学基础，精通Python，熟悉Pandas、Scikit-learn等数据处理工具
- 熟练掌握TensorFlow、PyTorch等至少一种深度学习框架
- 具备大模型应用开发经验，熟悉RAG、Agent、模型微调及推理优化
- 英语可作为工作语言，具备良好的沟通和跨部门协作能力
申请策略
- 在求职信中表达对汽车制造和AI结合的兴趣，并展示对德科斯米尔公司的了解
- 面试时准备一个完整的AI项目案例，展示从问题定义到落地的全过程
- 突出AI项目的完整落地经验，特别是从数据、模型到部署的全流程
- 强调大模型（LLM）应用经验，如RAG、微调、Agent等
- 展示Python、深度学习框架等硬技能，并提及工业工程相关背景
- 如有英语工作环境经验，务必在简历中体现
- 补充学习工业工程相关知识，如生产工艺、精益生产等
- 深入了解大模型推理优化技术，如vLLM、量化、蒸馏
面试指南
- 回答项目经验时，采用STAR法则（情境、任务、行动、结果），突出个人贡献和量化成果
- 回答技术问题时，先阐述基础原理，再结合项目经验说明应用和优化过程
- 回答场景应用问题时，结合工业制造的特点，提出具体、可行的方案
- 请介绍一个你主导的AI项目，从需求分析到最终落地
- 谈谈你对RAG的理解，以及如何优化其检索效果？
- 如何将大模型技术应用到工业制造场景中？
- 你如何处理模型过拟合或数据不平衡问题？
- 请描述一次你如何与跨部门团队（如生产、质量）协作的经历
职位点评
薪资福利70
成长发展85
工作生活60
使命价值75
薪资福利
70中等
外企巨头，薪资水平在沈阳地区有竞争力，但具体薪资未披露，福利待遇需在面试中确认。
薪资信号未披露（AI估算：15K-25K/月）
成长发展
85较高
岗位涉及AI前沿技术，如大模型、RAG，且提供国际培训，技能成长和职业发展空间大。
技术前沿前沿/新兴技术
技术栈Python、TensorFlow、PyTorch、NLP、LLM、RAG、LangChain、Pandas、Scikit-learn
成长机会持续教育、培训
业务类型ambiguous
工作生活
60中等
工作地点在沈阳，为现场办公，未提及弹性工作制，WLB情况不明确。
工作模式仅现场办公
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
75中等
汽车制造行业，技术应用前景好，但岗位对社会的直接影响力有限。
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