德科斯米尔
Industrial Engineering ES
Industrial Engineering ES
发布于 4 小时前普通员工/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
Llm
Nlp
Prompt Engineering
Pytorch
Rag
Tensorflow
Vllm
数据挖掘
值不值得投
74综合评分
综合评分 74
传统汽车零部件巨头的大模型算法岗，技术栈前沿、成长空间大，适合追求技术深度与业务落地的工程师。
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
2万
比机器学习工程中位数低
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
98 个在招 · 其中机器学习工程 6 个
市场机会
选择不多
沈阳 · 机器学习工程 · 6 个在招
职位详情
关于这个职位
该职位主要负责机器学习、深度学习及自然语言处理领域的算法设计与开发，重点探索大语言模型（LLM）在企业级场景的落地，包括RAG、Agent、微调及推理优化等工作
你需要独立完成从数据挖掘、模型训练到部署的全生命周期管理，推动AI技术在业务中的实际应用
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
- 接触前沿的大模型技术（LLM、RAG、Agent），技术栈非常现代
- 跨国企业平台，英语工作环境，有助于提升国际化视野和跨部门协作能力
- 需要兼顾算法研发与内部流程优化、培训等概念性及管理工作
- 具备3年以上AI算法经验，对大模型落地有热情，且能在传统制造业环境中推动技术创新的求职者
缺点 / 挑战
- 传统汽车零部件企业向AI转型，可能面临业务场景与AI技术结合的落地挑战
角色解读
- 可向AI技术专家或AI架构师方向发展，深入大模型底层优化与垂直领域应用
- 也可转向AI团队负责人，负责企业级AI战略与项目管理
- 负责机器学习、深度学习及NLP算法的设计与开发，重点推进大语言模型（LLM）在企业级场景的落地
- 涵盖从数据处理、模型训练、微调（RAG/Agent）到推理优化及部署的全生命周期管理
- 扎实的数学基础与Python编程能力，精通PyTorch/TensorFlow等深度学习框架
- 需具备大模型应用开发经验，熟悉LangChain、vLLM等工具及模型轻量化技术
申请策略
- 准备好英语面试，因为JD明确要求英语作为工作语言
- 了解德科斯米尔在汽车内饰和线束系统的业务，思考AI如何赋能其生产或管理流程
- 突出大模型（LLM）落地经验，特别是RAG、Agent、微调及推理优化（vLLM等）的实际项目成果
- 展示独立主导AI项目从0到1落地的完整经历
- 深入学习LangChain、LlamaIndex等LLM应用框架，以及vLLM等推理加速框架
- 了解汽车制造或工业工程领域的业务场景，以便更好地将AI与业务结合
面试指南
- 采用STAR法则（情境、任务、行动、结果）描述项目经验，重点突出技术选型、难点攻克和最终的业务收益（如延迟降低、准确率提升）
- 对于落地难点，可从数据质量、业务场景匹配度、算力成本等角度分析
- 请详细介绍一个你主导的大模型落地项目，遇到了哪些挑战及如何解决？
- 在优化LLM推理流程时，你使用了哪些轻量化技术或推理框架？效果如何？
- 如何设计Prompt Engineering方案来构建企业级AI应用？
- 在传统制造业场景下，你认为AI算法最大的落地难点是什么？
- 复习大模型相关核心技术（如RAG原理、微调策略、量化蒸馏），并准备全英文的技术交流
- 了解工业工程/汽车制造的基本流程，思考AI在其中的切入点
职位点评
薪资福利70
成长发展85
工作生活65
使命价值75
薪资福利
70中等
沈阳地区3年AI经验薪资处于当地中上水平，外企福利体系相对规范，但受限于地域和行业，薪资上限不及一线城市互联网大厂。
薪资信号未披露（AI估算：1.5千–2.5万/月）
成长发展
85较高
岗位涉及LLM、RAG、Agent等前沿技术，技术栈非常新，且包含内部培训与流程优化职责，个人技术成长与综合能力锻炼空间大。
技术前沿前沿/新兴技术
技术栈Python、PyTorch、TensorFlow、LLM、NLP、RAG、LangChain、vLLM、Prompt Engineering
成长机会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
业务类型ambiguous
工作生活
65中等
外企通常工作节奏相对规范，但JD中提及管理子项目及多项内部协作与培训职责，可能存在一定的工作负荷，且未明确说明WLB。
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
75中等
推动传统汽车制造业的智能化转型，将前沿AI技术应用于实际工业场景，具有较高的行业创新价值和社会意义。
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
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