德科斯米尔
Industrial Engineering ES
Industrial Engineering ES
发布于 大约 9 小时前普通员工/个人贡献者
沈阳市
高级经验
全职员工
仅现场办公
本科
信息技术与基础设施
Llm
Nlp
Pytorch
Rag
Tensorflow
数据挖掘
机器学习
深度学习
AI 估算 · 25k–40k
职位要求3年以上AI算法经验，且涉及前沿大模型技术，薪资竞争力较强；沈阳相比一线城市薪酬略低，但外资巨头加成，预估中等偏上。
职位详情
关于这个职位
该职位主要负责汽车零部件制造领域的人工智能算法开发与落地，包括机器学习、深度学习、自然语言处理及大语言模型（LLM）的应用
您将参与从数据挖掘、模型训练到部署的全流程，并推动AI技术在智能对话、知识图谱等场景的产业化
适合具备扎实数学基础和Python技能、有3年以上AI项目经验的工程师
最低要求
至少本科学历，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
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
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
- 深度参与大模型在企业级场景的落地，积累前沿技术经验
- 外资巨头平台，提供全球化视野和内部培训资源
- 工作内容涵盖算法全流程，可提升综合技术能力
- 沈阳生活成本相对较低，但薪资具有竞争力
- 需要同时掌握传统机器学习和大模型技术，学习曲线较陡
- 作为内部技术专家，需要承担培训、文档等非纯研发工作
- 适合有3年以上AI开发经验、热爱技术且愿意深入制造业应用场景的工程师
缺点 / 挑战
- 汽车行业对模型稳定性和实时性要求高，可能面临较大压力
角色解读
- 技术方向：可成长为AI算法专家或首席科学家，专注于前沿模型研发
- 管理方向：可晋升为AI团队负责人或技术总监，带领团队推动项目
- 跨领域发展：结合工业工程背景，向智能制造、工业AI解决方案架构师转型
- 设计和开发机器学习、深度学习及NLP算法，为汽车制造场景提供定制化AI解决方案
- 负责大规模语言模型（LLM）的落地应用，包括对话系统、知识图谱、内容生成等
- 参与AI模型全生命周期管理，从数据清洗、特征工程到模型训练、部署和优化
- 管理子项目并协调内外部资源，推动AI技术在垂直领域的持续改进
- 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及深度学习框架（如PyTorch、TensorFlow）
- 具备大模型应用开发经验，熟悉LangChain、RAG、模型轻量化技术
- 英语作为工作语言，能够进行跨部门协作和技术交流
申请策略
- 了解Dräxlmaier的业务和汽车线束制造流程，展示对行业痛点的思考
- 在面试中准备一个完整的AI项目案例，包括问题、方案和落地效果
- 突出独立主导或参与的AI项目，尤其是大模型（LLM）相关经验
- 强调Python框架使用（PyTorch、TensorFlow）和数据处理能力
- 展示对模型轻量化、推理优化等工程化知识的掌握
- 体现英语沟通能力和跨团队协作经验
- 深入学习LangChain、vLLM等大模型应用框架
- 补充工业工程或制造领域的业务知识
面试指南
- STAR法则：情境、任务、行动、结果，强调技术选型和效果
- 先给出定义或原理，再结合实际项目经验说明
- 对比不同方案的优劣，展示思考深度
- 请描述你在一个AI项目中如何从数据清洗到模型部署的全过程
- 你如何优化LLM推理速度？使用过哪些框架？
- 如何处理不平衡数据集？有哪些特征工程方法？
- 你如何看待大模型在制造业中的应用前景？请举例
- 请解释RAG的工作原理和优缺点
职位点评
64
综合评分
外资汽车巨头AI算法岗，技术前沿、有培训，但现场办公且无WLB明确信号。
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
最适合追求技术成长和前沿经验、不介意现场办公的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利65
成长发展85
工作生活40
使命价值50
薪资福利
65中等
尽管未明确薪资和福利，但外资巨头通常提供稳定薪酬和福利，薪资信号为未披露，因此补偿性动机满足程度中等。
薪资信号未披露（AI估算：25K-40K/月）
成长发展
85较高
职位涉及前沿大模型技术和内部培训机会，技术栈先进，成长空间大，但未明确提及晋升通道。
技术前沿前沿/新兴技术
技术栈机器学习、深度学习、NLP、LLM、LangChain、RAG、PyTorch、TensorFlow、vLLM
成长机会内部培训、外部培训
业务类型profit_center
工作生活
40较低
工作地点沈阳，现场办公，未提及远程或弹性工时，WLB信号缺失，可能工作强度较高。
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
50较低
汽车行业属于稳定成熟行业，社会影响力中性，但AI应用可推动制造业智能化，有一定创新意义。
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