德科斯米尔
Industrial Engineering ES
Industrial Engineering ES
发布于 3 天前普通员工/个人贡献者
全职员工仅现场办公机器学习工程
机器学习工程
Nlp
Pytorch
Tensorflow
Vllm
大语言模型
数据分析
机器学习
深度学习
值不值得投
74综合评分
综合评分 74
前沿AI技术应用、稳定制造业平台、薪资中等、成长性强但WLB信息不足。
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
20K
比机器学习工程中位数低
发布情况
新岗位 · 2 天前发布
公司情况
这家公司招聘很活跃
83 个在招
市场机会
选择不多
沈阳 · 机器学习工程 · 1 个在招
职位详情
关于这个职位
作为德科斯米尔的工业工程AI专家，你将负责为汽车线束和内饰系统开发定制化AI解决方案，涵盖机器学习、深度学习、自然语言处理及大语言模型应用
工作内容包括算法设计、数据挖掘、模型训练与优化，以及推动大模型技术在企业级场景的落地，以提升生产效率和智能化水平
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算法研发或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
计划和实现现有产品和新产品的生产工艺
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、Llama Index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
- 跨国汽车企业提供稳定平台，项目涉及前沿AI技术（如大模型），技能积累价值高
- 职责全面，涵盖算法开发、模型部署和团队协作，有利于综合能力提升
- 工作地点在沈阳，生活成本相对较低，且公司可能提供国际化培训机会
- AI技术更新迅速，需持续学习新工具（如LLM框架）以保持竞争力
- 作为工业工程与AI的交叉岗位，需理解汽车制造业务场景，可能有一定复杂性
- 适合具备3年以上AI算法经验、对大模型技术感兴趣、且希望在制造业中应用AI技术的求职者，具备良好的数学基础和跨领域学习能力
缺点 / 挑战
- 项目管理职责涉及协调内外部资源，对沟通和组织能力要求较高
角色解读
- 技术专家路线：深耕AI算法和大模型技术，成为公司AI解决方案的核心负责人
- 项目管理路线：凭借项目协调经验，向AI项目经理或技术团队领导发展
- 行业影响路线：在汽车制造AI应用领域积累经验，成为跨领域技术顾问
- 负责为汽车零部件生产开发定制化AI解决方案，包括机器学习、深度学习和大语言模型应用
- 独立完成数据挖掘、模型训练与优化，提升算法性能并部署到生产环境
- 探索大模型在对话系统、知识图谱等场景的落地，推动企业智能化转型
- 参与项目管理和内部协作，制定标准流程并培训团队
- 扎实的数学基础，精通线性代数、概率统计和优化理论
- 熟练使用Python及相关数据处理工具（如Pandas、Scikit-learn）
- 掌握至少一种深度学习框架（TensorFlow、PyTorch等）和大模型技术（LLM、RAG、Agent）
- 具备AI项目全流程经验，包括算法设计、开发、部署和优化
申请策略
- 研究德科斯米尔的公司文化和汽车零部件业务，在面试中展示对行业的了解
- 准备展示AI解决方案如何提升生产效率或业务价值的案例，契合岗位目标
- 突出AI算法项目经验，尤其是大语言模型（LLM）相关的开发、微调或部署案例
- 强调数学背景和数据分析技能，展示使用Python、PyTorch等工具的实际成果
- 列举项目管理或团队协作经历，体现沟通和问题解决能力
- 提及汽车或制造业AI应用经验（如有），展示行业适应性
- 深入学习大模型技术栈，如LangChain、vLLM等工具，并通过实战项目巩固
- 加强汽车制造领域知识，了解生产流程和工业工程基础，以便更好结合AI应用
面试指南
- 使用STAR方法（情境、任务、行动、结果）结构化回答项目经验，突出技术细节和业务影响
- 结合具体工具（如PyTorch、LangChain）说明技术方案，强调解决实际问题的思路
- 展示学习能力和适应性，例如如何快速掌握新技术并应用到工作中
- 请描述一个你主导的AI项目，如何从数据处理到模型部署？
- 你如何利用大语言模型（如LLM）解决具体业务问题？举例说明
- 在跨部门协作中，你如何管理子项目并确保目标达成？
- 你对汽车制造行业的AI应用有何见解？
- 如何优化大模型推理性能，比如降低延迟和提高吞吐量？
职位点评
薪资福利75
成长发展85
工作生活60
使命价值70
薪资福利
75中等
作为跨国汽车零部件企业，薪资处于市场中等水平，福利体系相对完善，能提供稳定收入。
薪资信号市场水准 (15K-25K/月)
成长发展
85较高
职位涉及前沿AI技术（如大模型、RAG）和制造业应用，提供技能成长和行业知识积累机会。
技术前沿前沿/新兴技术
技术栈机器学习、深度学习、NLP、大语言模型、LangChain、vLLM、RAG、Agent
业务类型profit_center
工作生活
60中等
工作地点在沈阳，生活成本较低，但JD未明确办公模式和工作时间，可能需现场办公。
工作模式未明确
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
70中等
汽车制造行业稳定成熟，AI应用有实际业务价值，但社会影响力一般。
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