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
全职员工仅现场办公人工智能
人工智能
Llm
Nlp
Pytorch
Rag
Tensorflow
工业工程
机器学习
深度学习
值不值得投
69综合评分
综合评分 69
外资企业，前沿AI技术，薪资中上，但工作地点和生活方式可能受限。
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
28K
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 160 个在招
职位详情
关于这个职位
该职位隶属于德科斯米尔（沈阳）汽车零部件公司，主要负责工业工程相关的AI算法设计与开发，包括机器学习、深度学习、NLP及大语言模型（LLM）的应用落地
你将参与从数据挖掘、模型训练到部署的全流程，并推动AI技术在企业级场景中的实施
适合具备扎实数学和编程基础、有3年以上AI开发经验的专业人士
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
- 跨国企业平台，提供国际化工作环境和资源
- 涉及前沿AI技术（LLM、RAG），技能提升空间大
- 职位职责全面，从算法开发到项目管理，综合能力锻炼
- 工作地点在沈阳，相比一线城市，AI行业机会较少
- 要求3年以上经验，且需独立主导项目，对个人能力要求高
- 可能需要处理多任务，工作强度较大
- 适合有扎实AI基础、希望在外企稳定发展、愿意在沈阳长期工作的资深算法工程师
缺点 / 挑战
暂无明显挑战项
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
- 在工业工程领域深耕，结合汽车行业需求，成为行业AI解决方案专家
- 有机会参与国际项目，提升跨文化沟通和项目管理能力
- 设计和开发AI算法，包括机器学习、深度学习和NLP模型，针对业务场景定制解决方案
- 负责数据挖掘、特征工程、模型训练与优化，提升模型性能
- 探索大语言模型（LLM）在对话系统、知识图谱等场景的应用，推动落地
- 管理AI模型从训练到部署的全生命周期，确保生产环境稳定
- 精通Python，熟悉Pandas、Scikit-learn等数据处理工具
- 熟练掌握至少一种深度学习框架（TensorFlow、PyTorch、MindSpore）
- 具备扎实的数学基础，包括线性代数、概率统计和优化理论
- 熟悉LLM相关技术，如LangChain、RAG、模型微调和推理优化
申请策略
- 了解德科斯米尔在汽车行业的业务，特别是线束和内饰
- 准备英文简历，因为英语是工作语言
- 突出AI项目经验，特别是独立主导或完整参与的项目
- 强调LLM、NLP相关技能，如LangChain、RAG、模型微调
- 展示数据处理和模型优化的具体成果
- 提及英语能力，能作为工作语言
- 补充LLM应用开发经验，如使用LangChain构建应用
- 熟悉模型推理优化工具（vLLM、Ollama）
面试指南
- 使用STAR法则回答项目经验，突出你的贡献和成果
- 对于技术问题，先阐述原理，再结合实践案例
- 展示对汽车行业AI应用的思考，体现行业理解
- 请描述一个你主导的AI项目，从需求到部署的完整流程
- 如何优化LLM推理性能？你使用过哪些框架？
- 谈谈你对RAG的理解，以及如何应用于垂直领域
- 你如何处理数据不平衡问题？
- 为什么选择加入德科斯米尔？
职位点评
薪资福利70
成长发展85
工作生活50
使命价值60
薪资福利
70中等
薪资水平在沈阳地区属于中上，外资企业福利较好，但具体薪资未披露，稳定性较高。
薪资信号未披露（AI估算：20K-35K/月）
成长发展
85较高
职位涉及前沿AI技术（LLM、RAG），提供持续学习和培训机会，成长空间大。
技术前沿前沿/新兴技术
技术栈Python、TensorFlow、PyTorch、NLP、LLM、LangChain、RAG
成长机会continuing education、training
业务类型ambiguous
工作生活
50较低
工作地点在沈阳，现场办公，未提及弹性工作，生活便利性一般。
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
60中等
汽车行业稳定，但社会影响力一般，创新性中等。
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