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
沈阳市
高级经验
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
数据挖掘
PyTorch
自然语言处理
TensorFlow
LLM
特征工程
AI 估算 · 15k–25k
沈阳AI算法岗位，外企背景，3年经验，市场薪资约2万/月，年终奖较灵活。
职位详情
关于这个职位
该职位是德科斯米尔（汽车零部件行业跨国巨头）的工业工程ES岗位，实际工作内容聚焦AI算法与大型语言模型（LLM）的开发与应用
你将负责机器学习、深度学习、NLP等算法的设计与实现，推动大模型技术在对话系统、知识图谱、智能推荐等企业级场景落地，并参与模型的全生命周期管理
适合有3年以上AI算法经验、精通Python和深度学习框架的求职者
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
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
独立完成数据挖掘、特征工程、模型训练与调优，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
熟悉数据处理技术及工具（如Pandas、Scikit-learn），利用机器学习算法完成数据聚类分布等，支撑结构LLM微调数据集
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，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（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
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
- 头部外企（德科斯米尔），平台稳定，福利完善，国际化工作环境
- 技术前沿，聚焦大模型和AI算法，能积累丰富项目经验，提升市场竞争力
- 公司鼓励内外部培训，有明确的持续教育支持，利于个人成长
- 沈阳本地AI岗位相对较少，若未来跳槽可能面临地域限制
- 工作内容涉及多个领域（算法、工程、项目管理），对综合能力要求高
- 该职位适合有3年以上AI算法经验、热爱技术钻研、希望在外企环境中深入大模型应用的求职者
缺点 / 挑战
- 需要持续学习新技术（LLM、RAG、Agent等），技术更新快，有一定压力
角色解读
- 横向：从算法工程师向AI架构师或技术专家发展，深入大模型应用方向
- 纵向：在德科斯米尔内部向技术经理或项目负责人晋升，管理AI团队与项目
- 跨界：利用汽车行业经验，结合AI技术，转型为工业AI解决方案专家
- 负责AI算法（机器学习、深度学习、NLP）的设计与开发，构建定制化AI解决方案
- 独立进行数据挖掘、特征工程、模型训练与调优，提升算法性能
- 探索大规模语言模型（LLM）在企业级场景的应用，如对话系统、知识图谱、智能推荐
- 优化LLM推理流程，使用vLLM、LangChain等工具构建生产级系统，并参与模型全生命周期管理
- 精通Python及Pandas、Scikit-learn等数据处理工具，具备扎实的数学基础（线性代数、概率统计、最优化）
- 熟练掌握至少一种深度学习框架（TensorFlow、PyTorch、MindSpore），有3年以上AI算法开发经验
- 熟悉LLM相关技术栈，包括Prompt Engineering、LangChain、RAG、模型微调等
- 具备至少2个AI项目的独立主导或完整参与经验，英语可作为工作语言
申请策略
- 了解德科斯米尔的业务（汽车零部件制造），思考AI如何赋能智能制造，面试时可展现业务理解
- 准备2-3个完整的AI项目案例，从问题定义、数据收集、模型设计到部署的完整过程
- 突出AI项目的独立或主导经验，描述项目规模、技术栈及个人贡献
- 强调Python和深度学习框架的熟练程度，列出具体项目成果（如模型精度提升、推理优化等）
- 展示LLM相关经验，如Prompt Engineering、RAG系统搭建、模型微调等
- 注明英语水平，最好有雅思/托福成绩或相关证明
- 补充LLM生态工具，如LangChain、LlamaIndex、vLLM、Ollama等，加深理解
- 加强数学基础，尤其是线性代数、概率统计、最优化理论，以应对算法调优
面试指南
- 对于项目类问题，采用STAR法则（情境-任务-行动-结果），清晰展示个人贡献和量化成果
- 对于技术原理类问题，先阐述核心概念，再结合自己的实践经验举例说明
- 对于优化类问题，先分析问题根源，再列出多种方案并对比优劣，最后给出推荐方案
- 请详细介绍一下你主导的一个AI项目，从需求到落地
- 解释Transformer的核心原理，并说明其在大模型中扮演的角色
- 如何优化大模型的推理速度？请列举几种常用方法
- 你如何设计一个RAG系统？检索和生成环节分别如何优化？
- 在训练模型时遇到欠拟合或过拟合，你会如何调整？
职位点评
74
综合评分
沈阳外企AI算法岗，技术前沿，发展机会多，但现场办公且薪资未明示。
更适合这类人
适合追求技术成长、愿意在AI前沿领域深耕，且对外企稳定环境有偏好的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利75
成长发展90
工作生活60
使命价值70
薪资福利
75中等
沈阳外企，薪资处于当地中上水平，福利制度完善，但JD未明确具体薪资和福利，补偿性动机满足度中等偏上。
薪资信号未披露（AI估算：15K-25K/月）
成长发展
90较高
职位专注前沿AI技术（大模型、深度学习），并提到内外部培训与持续教育，发展性动机满足度高。
技术前沿前沿/新兴技术
技术栈机器学习、深度学习、自然语言处理、LLM、Prompt Engineering、RAG、Agent、LangChain、vLLM、模型量化
成长机会持续教育、内部培训、外部培训
业务类型ambiguous
工作生活
60中等
沈阳现场办公，未提及弹性工作或远程模式，工作强度未说明，生活化动机满足度一般。
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
70中等
汽车行业稳定，AI技术应用于制造有一定价值，但JD未强调社会使命，意义感一般。
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