德科斯米尔
Industrial Engineering ES
Industrial Engineering ES
发布于 大约 17 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
软件工程
机器学习
深度学习
NLP
数据挖掘
PyTorch
RAG
TensorFlow
LLM
特征工程
AI 估算 · 12k–20k
沈阳AI算法岗，3年经验，德企稳健，市场行情12-20k/月，13薪。
职位详情
关于这个职位
该职位是德科斯米尔沈阳公司的AI算法工程师，主要负责机器学习、深度学习、自然语言处理和大模型技术的算法设计与应用开发
您将参与从数据挖掘、模型训练到部署的全流程，探索LLM在对话系统、知识图谱等场景的落地，并有机会参与国际培训与内部标准制定
适合具备3年以上AI经验、追求技术前沿的求职者
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，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
- 德科斯米尔为行业龙头德企，平台稳定，福利完善
- 岗位聚焦AI前沿技术（LLM、RAG等），技术含量高，成长空间大
- 提供内部及国际培训机会，有助于拓宽视野和职业发展
- 工作地点在沈阳，与一线城市相比，AI生态和资源较少
- 岗位职责与标题（工业工程）不完全匹配，可能需适应多元任务
缺点 / 挑战
- 需参与跨部门协作和内部标准制定，对沟通能力要求较高
- 适合具备3年以上AI算法经验、追求技术深度、乐于接受国际化挑战的求职者
角色解读
- 技术专家路线：深入算法研究与创新，成为大模型领域专家
- 项目负责人：领导AI项目从立项到落地，积累管理经验
- 跨部门技术顾问：为业务部门提供AI解决方案，推动数字化转型
- 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
- 独立完成数据挖掘、特征工程、模型训练与调优，提升模型性能
- 探索LLM在对话系统、知识图谱等场景的落地，推动大模型技术应用
- 管理AI模型从训练到部署的全生命周期，确保生产环境稳定性
- 精通Python及深度学习框架（TensorFlow/PyTorch），具备扎实的数学基础
- 熟悉NLP、LLM、RAG等前沿技术，有实际项目经验
- 掌握数据处理工具（Pandas、Scikit-learn）和模型优化技术（量化、蒸馏）
- 英语可作为工作语言，具备良好的沟通和协调能力
申请策略
- 了解德科斯米尔的业务（汽车线束、内饰），思考AI如何与汽车制造结合
- 展现对持续学习和内部培训的积极态度，符合公司文化
- 突出AI项目经验，特别是LLM、NLP相关项目的完整流程
- 强调Python和深度学习框架的熟练度，附上GitHub或项目链接
- 展示数学基础（线性代数、概率统计）和数据处理能力
- 提及英语工作环境和国际项目经验
- 若缺乏LLM实践，可学习LangChain、RAG等工具，并动手搭建简单应用
- 熟悉模型轻量化技术（量化、蒸馏），了解推理框架（vLLM、Ollama）
面试指南
- 使用STAR法则（Situation, Task, Action, Result）结构化描述项目经验
- 针对技术问题，先阐述核心原理，再结合实践经验给出具体方案
- 对于开放性问题，展示思考过程，并联系公司业务场景
- 请介绍一个你主导的AI项目，包括算法选型、数据挑战和最终效果
- 如何处理训练数据不平衡或过拟合问题？
- 在部署LLM时，如何优化推理速度和内存占用？
- 你如何设计一个面向业务场景的Prompt？
- 你对RAG和Agent有哪些理解？请举例说明应用场景
职位点评
69
综合评分
德企稳定，前沿AI技术栈，有培训机会，但现场办公且WLB不确定。
更适合这类人
该职位最适合追求技术成长和前沿学习的求职者，对工作地点灵活性和WLB要求不高者。
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70
薪资福利
70中等
德企薪资福利相对稳定，但未明确薪资范围，且沈阳生活成本较低，综合评估中等偏上。
薪资信号未披露（AI估算：12K-20K/月）
成长发展
85较高
岗位聚焦LLM等前沿技术，提供内部及国际培训，技术成长空间大，发展动机得到较好满足。
技术前沿前沿/新兴技术
技术栈Python、TensorFlow、PyTorch、LLM、RAG、LangChain、vLLM
成长机会继续教育、培训
业务类型ambiguous
工作生活
50较低
仅现场办公，沈阳办公地点未明确，未提及弹性工作或WLB，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
70中等
汽车行业稳定，AI技术应用有利于提升驾驶体验，具有一定社会价值，但行业整体成熟。
行业发展稳定成熟行业
社会影响中性/一般
使命信号提升驾驶体验
创新程度积极采用新技术
Watch Jobs