德科斯米尔
Industrial Engineering ES
Industrial Engineering ES
发布于 大约 14 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
Llm
Nlp
Pytorch
Rag
Tensorflow
机器学习
深度学习
AI 估算 · 15k–25k
汽车行业AI算法岗，沈阳薪资略低于一线城市，但考虑跨国企业和技能稀缺性，月薪15k-25k合理。
职位详情
关于这个职位
该职位主要负责AI算法（机器学习、深度学习、NLP）的设计与开发，构建面向业务场景的定制化解决方案，并探索大模型在对话系统、知识图谱等领域的应用落地
工作涉及从数据挖掘、模型训练到部署优化的全生命周期管理，同时需要参与内部培训和标准制定
适合有3年以上AI经验、热爱技术创新的工程师
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
- 前沿技术栈：深度参与LLM、RAG、Agent等热点技术，技能提升快
- 跨国企业平台：德科斯米尔全球资源，接触国际项目，有海外培训机会
- 稳定薪资福利：外企文化，工作生活平衡较好，福利完善
- 技术迭代快：需要持续学习最新AI框架和模型，保持竞争力
- 地域局限：沈阳本地AI岗位相对少，未来跳槽可能需考虑城市转换
- 适合有3年以上AI经验、热爱技术探索、希望在外企稳定发展同时紧跟前沿技术的工程师
缺点 / 挑战
- 落地压力：从算法到实际工业场景的转化可能存在挑战，需兼顾性能与稳定性
角色解读
- 技术方向：从AI算法工程师发展为高级算法专家、首席科学家，专注于前沿AI技术研究
- 管理方向：可晋升为AI团队技术负责人或项目经理，负责更大范围的业务落地
- 跨领域发展：积累汽车行业智能制造经验，转型为工业AI解决方案架构师
- 设计和开发机器学习、深度学习及NLP算法，构建定制化AI解决方案
- 负责数据挖掘、特征工程、模型训练与调优，提升模型性能
- 探索大语言模型在对话系统、知识图谱等场景的应用，推动大模型落地
- 使用LangChain、LlamaIndex等工具构建企业级AI应用系统，并优化推理流程
- 精通Python及数据处理工具（Pandas、Scikit-learn），熟悉深度学习框架（TensorFlow、PyTorch）
- 扎实的数学基础（线性代数、概率统计、最优化），具备3年以上AI算法开发经验
- 熟悉LLM相关技术（Prompt Engineering、RAG、Agent、模型轻量化）
- 具备英语工作沟通能力，能够独立主导AI项目
申请策略
- 了解德科斯米尔在汽车工业的AI应用方向（如智能制造、质量检测），准备相关案例
- 在面试中展示如何将AI算法转化为实际业务价值，强调工业场景的落地经验
- 突出参与过的AI项目，特别是LLM相关成果，量化模型性能提升（如准确率、延迟降低）
- 强调独立主导项目的经历，展示从数据到部署的全流程能力
- 列出掌握的框架和工具（TensorFlow、PyTorch、LangChain等），并说明熟练程度
- 如有论文或开源贡献，重点体现，作为技术深度的证明
- 补充LangChain、LlamaIndex等LLM工具链的实际使用经验，可通过个人项目实践
- 学习模型轻量化技术（量化、蒸馏）和推理框架（vLLM、TGI），提升工程化能力
面试指南
- STAR法则：描述项目背景、任务、行动和结果，突出你的角色和量化成果
- 技术对比法：从性能、生态、部署难度等方面分析不同框架/方法的适用场景
- 问题解决思路：先分析问题根源，再提出多种解决方案并权衡选择
- 请描述一个你主导的AI项目，从需求分析到部署的完整过程
- 你对LLM的推理优化有哪些经验？如何降低延迟和提高吞吐量？
- 什么是RAG？在实际应用中你如何处理检索质量不佳的问题？
- 你如何评估和选择深度学习框架？TensorFlow和PyTorch的优劣势是什么？
- 你在工作中如何使用英语进行技术交流和文档撰写？
职位点评
73
综合评分
外企AI算法岗，聚焦LLM前沿技术，技能成长空间大，但仅限现场办公。
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领域的求职者，对办公地点灵活性要求不高。
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90
工作生活60
使命价值65
薪资福利
70中等
未明确薪资，但外企通常薪资具有竞争力，福利完善；沈阳生活成本较低，薪资性价比尚可。
薪资信号未披露（AI估算：15K-25K/月）
成长发展
90较高
职位涉及LLM、RAG等前沿技术，且有内部培训和国际交流机会，技能成长空间大。
技术前沿前沿/新兴技术
技术栈LLM、RAG、Agent、LangChain、PyTorch、TensorFlow
成长机会内部培训、外部培训、继续教育
业务类型ambiguous
工作生活
60中等
仅现场办公，沈阳工厂位置可能非市中心，但外企通常WLB较好，未提及加班情况。
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
65中等
汽车制造行业稳定，AI赋能智能制造有一定社会价值，但并非直接改善社会问题。
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