德科斯米尔
Industrial Engineering ES
Industrial Engineering ES
发布于 大约 11 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
软件工程
机器学习
深度学习
PyTorch
RAG
自然语言处理
TensorFlow
大语言模型
vLLM
AI 估算 · 15k–25k
沈阳AI算法岗位稀缺，跨国巨头，3年经验，月薪约1.5-2.5万，13薪
职位详情
关于这个职位
这是一个AI算法工程师岗位，专注于机器学习和深度学习模型的开发与优化，包括自然语言处理和大语言模型的应用
你将负责从数据挖掘、特征工程到模型训练、部署的全流程，并参与大型语言模型在企业场景的落地
适合有3年以上AI开发经验、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
- 技术栈前沿，涵盖大模型、RAG、Agent等热门方向，技能积累价值高
- 跨国巨头企业，平台稳定，有内部培训和国际化机会
- 沈阳生活成本较低，薪资在当地有竞争力
- 工作内容涉及从算法到工程的完整链条，对综合能力要求高
- 沈阳不是一线AI创新中心，前沿交流机会相对有限
- 适合有3年以上AI算法经验、希望深耕大模型技术并愿意在沈阳发展的求职者
缺点 / 挑战
- 需要独立负责项目，可能面临较大技术攻关压力
角色解读
- 可向高级AI算法工程师或技术专家方向发展，深入大模型和AI应用架构
- 有机会转型为AI项目经理或技术负责人，管理更大规模的AI项目
- 依托公司全球平台，可参与国际项目，拓展跨文化技术视野
- 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
- 进行数据挖掘、特征工程、模型训练与优化，提升模型性能
- 探索大语言模型在对话系统、知识图谱等场景的应用，推动技术落地
- 管理AI模型全生命周期，从训练到部署，确保生产环境稳定性
- 精通Python和至少一种深度学习框架（TensorFlow/PyTorch/MindSpore）
- 扎实的数学基础，熟悉线性代数、概率统计和优化理论
- 熟悉大语言模型相关技术，如LangChain、vLLM、RAG等
- 具备3年以上AI算法开发经验，独立主导过至少2个AI项目
申请策略
- 了解德科斯米尔的汽车行业背景，准备将AI技术与工业工程结合的项目思考
- 面试前准备一个完整的大模型落地案例，展示从问题定义到部署的全流程
- 突出3年以上AI算法开发经验，尤其是大模型项目经历
- 详细描述至少2个完整AI项目的设计、开发与落地过程
- 强调Python、PyTorch/TensorFlow等技能，以及数学基础
- 体现英语能力，如CET-6或雅思成绩
- 补充LangChain、vLLM等大模型工具链的实战经验
- 学习模型量化、蒸馏等轻量化技术
面试指南
- STAR法则：描述情境、任务、行动、结果，突出你的角色和贡献
- 技术对比：比较不同方案（如vLLM vs TGI），说明选择理由
- 问题导向：先分析业务需求，再提出技术方案，最后评估效果
- 请详细介绍一个你主导的AI项目，从数据到部署的完整流程
- 如何优化大语言模型的推理性能？你了解哪些框架？
- 什么是RAG？在哪些场景下应用？如何构建一个RAG系统？
- 你如何处理特征工程和数据清洗中的难点？
- 你为什么对德科斯米尔的这个职位感兴趣？
职位点评
66
综合评分
沈阳跨国企业AI算法岗，前沿技术栈，成长性高，但WLB不明确。
更适合这类人
适合技术导向、注重成长和技能提升的求职者，对工作生活平衡要求不高。
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60
薪资福利
70中等
薪资在当地有竞争力，但未明确具体福利；跨国企业稳定性中等。
薪资信号未披露（AI估算：15K-25K/月）
成长发展
85较高
技术前沿，涉及大模型等热门方向，有内部培训和项目实践机会，成长空间大。
技术前沿前沿/新兴技术
技术栈Python、TensorFlow、PyTorch、LangChain、vLLM、RAG、大语言模型
成长机会内部培训、外部培训、持续教育
业务类型ambiguous
工作生活
50较低
仅现场办公，沈阳地点固定，未提及弹性工作或WLB信息。
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
60中等
汽车行业稳定，但AI应用对社会价值影响中性；创新性较强。
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