德科斯米尔
Industrial Engineering ES
Industrial Engineering ES
发布于 大约 3 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
研究与开发 (研发)
机器学习
深度学习
NLP
数据挖掘
PyTorch
RAG
TensorFlow
LLM
Scikit-learn
AI 估算 · 15k–25k
沈阳中级算法工程师薪资范围约15-25K，德科斯米尔为外资巨头，福利完善，13薪常见。
职位详情
关于这个职位
该职位是德科斯米尔沈阳工厂的工业工程ES岗位，实际负责AI算法开发，包括机器学习、深度学习、自然语言处理和大语言模型的应用
您将设计并实现面向业务场景的定制化AI解决方案，参与模型训练、优化、部署全流程，并探索LLM在对话系统、知识图谱等场景的落地
适合具备扎实数学基础、精通Python和深度学习框架的算法工程师
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
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，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
- 聚焦前沿AI技术（LLM、RAG、Agent），技能积累价值高
- 外资巨头平台，福利完善，有内部培训和国际交流机会
- 职位包含管理与培训职责，提升综合能力
- 工作内容跨度大，既需算法研究又需工程落地，要求综合能力
- 可能涉及生产流程优化，需理解工业场景，对非工业背景者有学习曲线
- 项目协调和培训职责可能占用技术研发时间
- 适合有3年以上AI经验、热爱前沿技术、希望在外企稳定发展且愿意承担一定管理职责的算法工程师
缺点 / 挑战
暂无明显挑战项
角色解读
- 可向AI算法专家或大模型架构师方向发展，深耕垂直领域
- 也可转型项目管理或技术管理岗位，利用项目协调经验
- 在德科斯米尔内部，有机会参与跨国技术交流与培训，拓展国际视野
- 负责机器学习、深度学习、NLP等算法的设计与开发，构建面向业务场景的定制化AI解决方案
- 参与大语言模型（LLM）的落地应用，包括对话系统、知识图谱、内容生成等场景的开发
- 管理AI模型的全生命周期，从训练、调参到部署，确保生产环境稳定高效
- 同时承担内部培训、标准制定和子项目管理等职责
- 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等）
- 具备LLM应用开发经验，熟悉LangChain、RAG、模型轻量化等技术
- 扎实的数学基础（线性代数、概率统计、最优化）和英语工作能力
申请策略
- 申请时强调对汽车行业AI应用的兴趣，展示跨领域学习能力
- 准备一个展示大模型项目从研发到部署全过程的案例
- 突出AI项目经验，尤其是LLM相关（如对话系统、RAG）的完整落地案例
- 展示数学基础（如竞赛、论文）和编程能力（Python、框架熟练度）
- 强调项目管理或培训经历，体现领导力
- 补充工业工程或制造业背景知识，了解生产流程
- 深入学习LangChain、vLLM等工具，掌握模型量化蒸馏技术
- 提升英语口语，准备英文面试
面试指南
- 用STAR法则（情境-任务-行动-结果）结构化项目经验
- 技术问题可从原理、方案、对比选型、效果评估四方面回答
- 管理类问题突出协调、沟通和结果导向
- 请描述一个你主导的LLM项目，包括技术方案和落地效果
- 如何处理LLM推理延迟问题？有哪些优化手段？
- 在RAG系统中，如何设计检索和生成模块的衔接？
- 你如何管理AI模型的版本和部署？
- 你是否有工业场景的AI应用经验？如何将技术转化为业务价值？
职位点评
68
综合评分
外资巨头AI算法岗，前沿技术栈，发展空间大，但WLB不明朗。
更适合这类人
最适合追求技术成长和发展机会的求职者，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75
成长发展85
工作生活50
使命价值60
薪资福利
75中等
外资巨头薪资具有竞争力，沈阳市场处于中上水平，福利完善，但JD未明确薪资数据。
薪资信号市场水准 (15K-25K/月)
成长发展
85较高
职位涉及LLM、RAG等前沿技术，有内部培训和跨国交流，成长空间大，但JD未明确晋升路径。
技术前沿前沿/新兴技术
技术栈Python、TensorFlow、PyTorch、LLM、NLP、机器学习、深度学习、数据挖掘、Pandas、Scikit-learn、LangChain、RAG、vLLM、Ollama、TGI、量化、蒸馏
成长机会内部培训、外部培训
业务类型ambiguous
工作生活
50较低
JD未明确工作模式或加班情况，沈阳地点固定，推测为现场办公，WLB信息缺乏。
工作模式仅现场办公
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
60中等
汽车行业AI应用具有社会价值，但JD未强调使命感，属于中性。
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