德科斯米尔
Industrial Engineering ES
Industrial Engineering ES
发布于 2 小时前普通员工/个人贡献者
全职员工仅现场办公AI产品经理
AI产品经理
Llm
Machine Learning
Nlp
Prompt Engineering
Pytorch
Tensorflow
值不值得投
76综合评分
综合评分 76
跨国车企AI算法岗，聚焦LLM前沿技术应用，技术成长性强，工作稳定性高。
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便横向比较。
薪资怎么样
2.4万
比AI产品经理中位数低
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 210 个在招
职位详情
关于这个职位
该职位主要负责机器学习、深度学习及NLP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
需独立完成数据挖掘、模型训练调优及LLM应用落地（如Prompt Engineering、RAG），并管理AI模型全生命周期，确保生产环境的高性能与稳定性
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、概率统计和最优化理论
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或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
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、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
- 技术前沿：直接接触LLM、RAG、Agent等当前最热门的AI技术方向，技术栈先进
- 平台稳定：德科斯米尔为跨国巨头，业务稳定，提供规范的流程与完善的福利保障
- 跨界机会：在汽车制造领域应用AI，具有独特的行业壁垒和职业差异化优势
- 国际化环境：支持英语作为工作语言，有机会参与国际交流与培训
- 技术落地难度：需要将通用AI技术与具体的汽车制造工艺结合，场景理解门槛高
- 职责复合：JD中既包含纯算法研发，又涉及生产工艺计划，对候选人的跨界适应能力有要求
- 适合具备3年以上AI算法经验，对大模型应用感兴趣，且愿意将技术应用于制造业场景的工程师
缺点 / 挑战
- 竞争压力：AI领域人才竞争激烈，需保持持续学习以跟上技术迭代速度
角色解读
- 纵向深化：成为AI算法专家或大模型架构师，专注于前沿技术研究与复杂问题解决
- 横向拓展：向AI产品经理或技术负责人方向发展，统筹AI项目规划与跨部门协作
- 行业融合：结合工业工程背景，成为懂制造又懂AI的复合型技术人才，推动智能制造升级
- 负责AI算法（ML/DL/NLP）的设计、开发与落地，特别是针对企业级业务场景的定制化解决方案
- 深入应用大语言模型（LLM），包括Prompt Engineering、RAG、Agent开发及模型微调
- 管理AI模型全生命周期，从数据处理、训练调优到部署运维，确保系统性能与稳定性
- 参与工艺流程优化，将AI技术应用于生产制造环节，提升效率与质量
- 精通Python及主流深度学习框架（PyTorch/TensorFlow），具备扎实的数学基础
- 熟练掌握LLM相关技术栈，如LangChain、LlamaIndex、vLLM及模型轻量化技术
- 具备独立的数据挖掘、特征工程及模型调优能力，有实际项目落地经验
- 良好的英语沟通能力，能够作为工作语言进行文档编写与技术交流
申请策略
- 准备英文简历，并在面试中展示良好的英语沟通能力
- 重点阐述过往项目中如何平衡算法性能与业务需求，体现解决实际问题的能力
- 突出LLM相关项目经验，特别是Prompt Engineering、RAG、Agent开发的具体案例与成果
- 强调Python编程能力及主流深度学习框架的熟练程度，列举具体的模型优化指标（如准确率提升、延迟降低）
- 深入学习LangChain、LlamaIndex等LLM应用开发框架
- 了解汽车制造或工业生产的基本流程，尝试寻找AI与工业场景的结合点
面试指南
- STAR法则：情境(Situation)、任务(Task)、行动(Action)、结果(Result)，清晰描述项目背景与个人贡献
- 技术深度：不仅讲“怎么做”，还要讲“为什么这么做”，体现技术选型的思考过程
- 业务价值：始终将技术指标与业务收益（如效率提升、成本降低）挂钩
- 请详细介绍一个你主导的LLM应用项目，包括技术选型、难点解决及最终效果
- 如何在资源受限的情况下优化LLM的推理速度和成本？
- 你如何看待AI技术在汽车制造/工业工程领域的应用前景与挑战？
- 请解释一下RAG的工作原理及其在企业知识库中的应用场景
- 了解德科斯米尔的主营业务及沈阳工厂的主要产品线，展现对公司的了解
职位点评
薪资福利75
成长发展90
工作生活60
使命价值70
薪资福利
75中等
作为跨国巨头企业，通常提供具有竞争力的薪酬和完善的福利体系，但JD未明确具体薪资数额，且沈阳地区整体薪资水平低于一线城市，故评分为中上。
薪资信号未披露（AI估算：1.8千–3.0万/月）
成长发展
90较高
职位聚焦于LLM、RAG、Agent等前沿AI技术，且要求参与内部培训和技术分享，技术成长空间巨大，符合高技术追求者的职业发展需求。
技术前沿前沿/新兴技术
技术栈LLM、NLP、Deep Learning、Prompt Engineering、LangChain、RAG、Agent、vLLM
成长机会plan and conduct internal and external training、continuing education
业务类型profit_center
工作生活
60中等
JD未明确提及弹性工作制或远程办公，且为制造业背景的工厂岗位，可能需现场办公。但作为外企，通常WLB优于国内互联网大厂，有一定平衡空间。
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
通过AI技术提升汽车制造效率和产品质量，属于将前沿科技应用于实体经济，具有一定的社会价值和行业意义，但非直接的公益或环保导向。
行业发展稳定成熟行业
社会影响中性/一般
使命信号enhance your driving experience、automotive innovations
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