德科斯米尔
Industrial Engineering ES
Industrial Engineering ES
发布于 大约 3 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
机器学习工程
Llm
Nlp
Pytorch
Rag
Tensorflow
Vllm
机器学习
深度学习
AI 估算 · 20k–35k
AI算法岗在沈阳属高薪，3年经验+大模型技能稀缺，薪资有竞争力。
职位详情
关于这个职位
这是一个基于大模型技术的AI算法工程师岗位，负责机器学习、深度学习和NLP算法的设计开发，包括数据挖掘、模型训练调优、LLM应用落地（对话系统、知识图谱等）
工作包括优化推理流程、构建企业级AI应用，并参与大模型预训练、微调及RAG/Agent适配
需要扎实的数学基础和Python技能，具备至少3年AI项目经验，适合追求前沿技术的人
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，Llamalndex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
- 岗位涉及大模型前沿技术，技术积累价值高，行业需求旺盛
- 跨国企业平台稳定，提供内部培训和国际交流机会
- 工作内容多样化，涵盖算法、工程和项目管理，综合能力提升快
- 需要英语作为工作语言，对沟通能力有一定要求
- 工作职责描述与职位名称（Industrial Engineering）存在不一致，可能部分工作内容需适应
缺点 / 挑战
- 要求较高，需同时精通算法工程和LLM应用，学习压力较大
- 适合热爱AI技术、有3年以上算法经验、愿意挑战大模型落地并具备较好英语能力的工程师
角色解读
- 从算法工程师向高级算法专家或AI架构师发展，逐步主导复杂项目
- 在大模型领域深耕，成为企业级AI应用的技术负责人
- 有机会参与国际项目与培训，向技术管理或专家路线双通道成长
- 设计和开发机器学习、深度学习及NLP算法，为业务场景定制AI解决方案
- 负责数据挖掘、特征工程、模型训练与调优，并优化推理性能
- 探索大模型在对话、知识图谱、推荐等场景的应用，并落地企业级项目
- 参与大模型预训练、微调、RAG和Agent适配，管理模型生命周期
- 扎实的数学基础（线性代数、概率统计、最优化）
- 精通Python，熟悉Pandas、Scikit-learn等数据处理工具
- 熟悉至少一种深度学习框架（TensorFlow/PyTorch/MindSpore）
- 了解LLM相关技术栈，如LangChain、vLLM、RAG、模型轻量化
申请策略
- 了解德科斯米尔在汽车行业中的业务方向，思考AI如何与汽车制造结合
- 职位名称与职责可能存在偏差，面试时确认实际工作内容是否以AI为主
- 突出AI项目经验，特别是完整参与或主导的算法落地案例
- 详细描述LLM相关项目，如RAG、Agent、微调等具体技术实现
- 强调Python、深度学习框架的应用能力，以及数据处理经验
- 如有企业级AI应用或大模型部署优化经验，务必重点展示
- 补充LangChain、vLLM、Ollama等工具的使用经验，可动手搭建小项目
- 熟悉RAG、模型微调和量化蒸馏技术，并了解最新论文趋势
面试指南
- 用STAR法则描述项目：情境、任务、行动、结果，突出量化成果
- 针对技术问题，先阐述原理，再结合实践经验，最后提出优化方案
- 对于大模型问题，强调对推理框架、模型轻量化、成本控制的理解
- 请介绍一个你主导的AI项目，如何设计模型并落地？
- 在LLM应用中，如何解决大模型推理性能瓶颈？
- 你如何为特定业务场景设计RAG系统？
- 如何处理模型过拟合和数据不平衡问题？
- 你如何跟踪AI前沿技术并应用到工作中？
职位点评
65
综合评分
成熟跨国企业中的前沿AI大模型岗，技术价值高但工作生活平衡不明确。
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
该职位最适合将技术成长和前沿探索放在首位的求职者，愿意投入学习新工具并接受现场办公。
表现最好
成长发展
相对薄弱
工作生活
薪资福利60
成长发展88
工作生活45
使命价值62
薪资福利
60中等
薪资未披露，但跨国企业通常有竞争力的薪酬和稳定福利，不过具体待遇不明确。
薪资信号未披露（AI估算：20K-35K/月）
成长发展
88较高
岗位深度聚焦前沿大模型技术，包含培训、继续教育要求，技术成长空间大。
技术前沿前沿/新兴技术
技术栈机器学习、深度学习、NLP、LLM、RAG、LangChain、vLLM、TensorFlow、PyTorch、Python
成长机会继续教育、培训
业务类型ambiguous
工作生活
45较低
工作地点沈阳，未提及远程或弹性办公，WLB信号不明，加班情况未知。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值
62中等
汽车行业成熟，但AI应用具创新性，对驾驶体验和智能制造有积极意义，但社会影响一般。
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