德科斯米尔
Industrial Engineering ES
Industrial Engineering ES
发布于 大约 1 小时前普通员工/个人贡献者
工业工程
Llamaindex
Llm
Mindspore
Nlp
Pytorch
Rag
Scikit-Learn
Tensorflow
工业工程
AI 估算 · 25k–45k
职位详情
关于这个职位
该职位隶属于德科斯米尔的工业工程部门，核心职责是负责AI算法（机器学习、深度学习、NLP）的设计与开发，并构建基于LLM的企业级AI应用系统
你将负责从数据挖掘、模型训练到推理优化的全流程，同时参与大模型的预训练、微调、RAG与Agent适配，并管理模型从训练到部署的完整生命周期
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算法开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
独立负责数据挖掘、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聚类分布等，支撑结构化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）等领域适配工作，提升模型在垂直领域的表现
管理AI模型从训练、超参调优、测试到部署的完整生命周期，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处理与目标达成情况
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
- 该岗位处于AI技术前沿，涉及大模型、RAG、Agent等热门领域，技术成长空间大
- 德科斯米尔作为跨国巨头，平台稳定，能接触到工业级AI应用场景
- 岗位职责涵盖从算法设计到模型部署的全流程，能积累完整的AI项目经验
- 作为传统制造业的AI岗位，可能需要适应制造业的工作节奏与流程
- AI技术迭代快，需要持续学习，保持技术领先
缺点 / 挑战
- 该岗位对技术要求高，需要同时掌握算法、工程、业务等多方面能力，学习压力大
- 适合具备扎实AI算法基础、热爱技术挑战、希望将AI技术落地到工业场景的求职者
角色解读
- 可向AI算法专家、大模型技术专家方向发展，成为企业级AI解决方案的核心负责人
- 可向技术管理方向发展，负责AI团队的项目管理与技术决策
- 可向AI产品化方向转型，将算法能力转化为商业产品
- 负责AI算法（机器学习、深度学习、NLP）的设计与开发，构建面向业务场景的定制化AI解决方案
- 负责大模型（LLM）在对话系统、知识图谱、内容生成等场景的应用落地，并推动大模型技术在企业级场景的落地
- 负责模型从训练、调优到部署的全生命周期管理，确保生产环境的稳定性与高性能
- 负责优化LLM推理流程，利用vLLM、Ollama、TGI等推理框架提升服务性能，并掌握量化、蒸馏等模型轻量化技术
- 扎实的数学基础，熟悉线性代数、概率统计与最优化理论
- 精通Python编程，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算法开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
申请策略
- 该岗位为德科斯米尔（DRAEXLMAIER）沈阳工厂的AI算法岗，建议在简历中突出工业AI落地经验
- 面试时，可以准备一个完整的LLM应用案例，展示从数据到部署的全流程能力
- 重点突出AI算法项目经验，特别是大模型、NLP相关项目，并说明项目规模与业务价值
- 突出Python、TensorFlow/PyTorch等技能栈，并展示数据处理与模型调优能力
- 如有LLM应用（如RAG、Agent）项目经验，务必详细描述，这是该岗位的核心加分项
- 补充LangChain、LlamaIndex等大模型应用框架的实践经验
- 了解vLLM、Ollama、TGI等推理框架，并掌握量化、蒸馏等模型轻量化技术
- 关注AI领域最新进展，如Agent、多模态大模型等
面试指南
- 回答项目经验类问题，建议采用STAR法则（情境-任务-行动-结果），突出个人贡献与量化成果
- 回答技术类问题，建议从原理、方案、效果三个层面展开，并对比不同方案的优劣
- 回答场景类问题，建议结合具体业务场景，说明技术如何解决业务问题
- 请介绍一个你主导的AI算法项目，从问题定义、技术选型到落地效果
- 你如何优化LLM的推理性能？请举例说明
- 你如何设计Prompt Engineering方案？结合LangChain或LlamaIndex
- 你如何保证模型在生产环境中的稳定性与高性能？
- 复习机器学习、深度学习、NLP的基础知识，特别是Transformer架构、Attention机制等
职位点评
70
综合评分
跨国汽车零部件巨头，AI算法专家岗，前沿技术栈，薪资可观，但需现场办公。
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
该岗位最适合追求技术成长与职业发展的求职者，特别是对AI大模型技术有热情、希望在工业场景中落地AI技术的候选人。
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90
工作生活40
使命价值75
薪资福利
70中等
该岗位为德科斯米尔（DRAEXLMAIER）沈阳分公司AI算法专家岗，作为跨国汽车零部件巨头，薪资水平在行业内具有竞争力，且福利待遇较为完善。
薪资信号未披露（AI估算：25K-45K/月）
成长发展
90较高
该岗位涉及大模型、RAG、Agent等前沿AI技术，技术成长空间大，且岗位职责覆盖模型全生命周期，能提供完整的项目经验。
技术前沿前沿/新兴技术
技术栈LLM、NLP、RAG、Agent、LangChain、LlamaIndex、vLLM、Ollama、TGI、TensorFlow、PyTorch、MindSpore
成长机会继续预训练、微调、RAG、Agent
业务类型ambiguous
工作生活
40较低
该岗位为仅现场办公，未提及弹性工时或远程办公，工作地点位于沈阳，通勤便利性一般。
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
75中等
该岗位属于汽车行业AI应用，德科斯米尔作为汽车行业创新者，AI技术应用于汽车智能化转型，具有较好的行业前景。
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