德科斯米尔
Industrial Engineering ES
Industrial Engineering ES
发布于 42 分钟前普通员工/个人贡献者
沈阳市
高级经验
全职员工
仅现场办公
本科
NLP工程
Llm
Mindspore
Nlp
Pytorch
Rag
Scikit-Learn
Tensorflow
数据挖掘
机器学习
AI 估算 · 15k–25k
沈阳AI算法岗，3年经验，外企，薪资在市场中上水平，考虑城市消费较低。
职位详情
关于这个职位
该职位主要负责AI算法设计与开发，包括机器学习、深度学习、NLP及大模型应用，为企业构建定制化AI解决方案
工作内容涵盖数据挖掘、模型训练调优、LLM应用探索、Prompt工程等
需要3年以上AI算法经验，尤其适合有大型模型落地经验的资深工程师
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
- 外企平台稳定，福利完善，具有全球化视野
- AI算法属于前沿技术，技能积累快，职业前景广阔
- 工作内容涉及LLM等热门领域，有较多实践机会
- 有内部培训和跨国协作机会
- 工作地点在沈阳，AI岗位机会相对一线城市少
- 职责描述与职位名称不匹配，可能实际工作内容与预期有差异
- 需要英语作为工作语言，对语言能力有要求
- 适合有3年以上AI算法经验、热爱大模型技术、能接受沈阳工作地点的资深工程师
缺点 / 挑战
- 职位要求高，需要3年经验且独立主导过项目，门槛较高
角色解读
- 可向AI算法专家或技术负责人方向发展
- 或转向大模型应用架构师，负责企业级AI系统设计
- 在外企中也可能晋升为内部培训师或标准制定者
- 负责机器学习、深度学习及NLP算法的设计与开发，构建定制化AI解决方案
- 进行数据挖掘、特征工程、模型训练与调优，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，推动落地
- 管理AI模型全生命周期，包括训练、调参、测试和部署
- 精通Python，熟悉Pandas、Scikit-learn等数据处理工具
- 掌握至少一种深度学习框架（TensorFlow/PyTorch/MindSpore）
- 具备扎实的数学基础（线性代数、概率统计、最优化）
- 熟悉LLM相关技术，如LangChain、RAG、模型量化等
申请策略
- 了解德科斯米尔的业务背景，思考AI如何应用于汽车制造
- 准备好英语面试，可能部分环节用英语
- 突出AI项目经历，特别是独立主导的完整项目
- 强调Python编程和深度学习框架的使用熟练度
- 展示大模型应用经验，如LLM微调、RAG、LangChain等
- 提及英语能力，若有相关证书或工作语言经验
- 补充LLM相关技术栈，如LangChain、vLLM、模型量化
- 熟悉NLP最新进展，如Transformer架构、Prompt工程
面试指南
- 用STAR法则回答项目经验：情境、任务、行动、结果
- 对于技术问题，先阐述基本原理，再结合实践案例
- 对于开放性问题，从业务价值和技术可行性两个角度回答
- 请描述一个你独立主导的AI项目，包括技术方案和结果
- 如何优化大模型的推理性能？你使用过哪些框架？
- 解释RAG的工作原理，并说明在你项目中的应用
- 如何平衡模型准确率和实时性？
- 你如何看待AI在汽车行业中的应用？
职位点评
69
综合评分
外企AI算法岗，技术前沿，薪资中等，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。
更适合这类人
适合看重技术成长、愿意在沈阳工作、能接受现场办公的资深AI工程师。
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
外企福利好，稳定性高，但沈阳薪资水平一般，补偿性动机满足程度中等偏上。
薪资信号未披露（AI估算：15K-25K/月）
成长发展
85较高
职位涉及AI前沿技术，有内部培训和跨国协作机会，成长空间大。
技术前沿前沿/新兴技术
技术栈Python、TensorFlow、PyTorch、MindSpore、NLP、LLM、LangChain、RAG、Pandas、Scikit-learn
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
要求现场办公，未提及弹性或远程，工作强度未知，生活化动机满足有限。
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
汽车行业智能化转型，AI应用有实际价值，但社会直接影响不明显。
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