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
工业工程
Llm
Nlp
Pytorch
Rag
Tensorflow
工业工程
机器学习
深度学习
AI 估算 · 25k–40k
职位详情
关于这个职位
这是一个在德科斯米尔沈阳公司担任工业工程专家的职位，但实际工作内容聚焦于AI算法与大模型应用开发
你将负责机器学习、深度学习、NLP算法的设计与开发，构建定制化AI解决方案，并探索LLM在对话系统、知识图谱等场景的落地
职位要求扎实的数学和Python基础，以及至少3年的AI算法研发经验
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
- 职位涉及前沿的AI和大模型技术，能积累丰富的实践经验，提升技术竞争力
- 德科斯米尔是跨国巨头企业，平台大，资源多，有稳定的发展前景
- 工作内容多样，包括算法设计、模型优化、项目管理和培训，能全面发展个人能力
- 适合具备扎实AI算法基础，同时对工业工程或制造业场景感兴趣，希望在跨国企业平台发展的技术人才
缺点 / 挑战
- 职位要求较高，需要同时具备工业工程背景和AI算法技能，对复合型能力要求高
- 工作内容涉及多个领域，可能需要承担较大的工作压力和多任务处理能力
- 作为跨国企业，可能需要适应跨文化沟通和协作，对英语能力有较高要求
角色解读
- 可以从AI算法工程师发展为高级算法专家或技术负责人，负责更复杂的AI项目和技术团队
- 可以深入大模型领域，成为大模型应用架构师或AI解决方案专家，推动企业AI战略落地
- 有机会在跨国企业中获得国际视野，参与全球项目，未来转向管理岗位或技术管理岗位
- 负责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，解决具体业务问题
- 探索和落地大规模语言模型（LLM）在对话系统、知识图谱、内容生成等场景的应用，推动企业级AI项目
- 优化LLM推理流程，利用vLLM、Ollama等框架提升性能，并掌握模型量化、蒸馏等轻量化技术
- 管理AI模型从训练、调参到部署的全生命周期，确保生产环境的稳定性和高性能
- 扎实的数学基础，包括线性代数、概率统计和最优化理论
- 精通Python，熟悉Pandas、Scikit-learn等数据处理工具
- 熟练掌握至少一种深度学习框架，如TensorFlow、PyTorch或MindSpore
- 具备大模型应用开发经验，熟悉LangChain、LlamaIndex等工具，以及RAG、Agent等技术
申请策略
- 了解德科斯米尔在汽车行业的具体业务和AI应用方向，在面试中展现对行业的理解
- 准备一个完整的AI项目案例，从问题定义、方案设计到落地效果，展示全流程能力
- 突出在AI算法或大模型应用方面的项目经验，尤其是独立主导或完整参与的项目
- 强调Python编程能力，以及TensorFlow、PyTorch等深度学习框架的熟练程度
- 展示在数据处理、特征工程、模型优化方面的具体成果，如性能提升数据
- 如果有工业工程或制造业背景，应重点突出，体现跨领域能力
- 深入学习大模型技术，如LLM微调、RAG、Agent等，并熟悉LangChain等工具
- 补充工业工程相关知识，了解生产流程优化，以更好地结合业务场景
面试指南
- 使用STAR法则（情境、任务、行动、结果）来回答项目经验问题，突出个人贡献和量化成果
- 对于技术问题，先阐述核心原理，再结合项目经验说明具体应用和优化过程
- 对于行业理解问题，结合公司业务和行业趋势，展现你的思考深度和前瞻性
- 请介绍一下你在AI项目中最有挑战性的部分，以及你是如何解决的？
- 你对大语言模型（LLM）在工业场景中的应用有哪些理解？
- 如何优化LLM模型的推理性能？你使用过哪些工具或技术？
- 请描述一个你独立主导的AI项目，从需求分析到最终落地
- 你如何理解工业工程与AI结合的价值？
职位点评
68
综合评分
跨国企业AI算法岗，技术前沿，发展空间大，但工作地点固定，WLB一般。
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
适合追求技术成长和职业发展，对前沿AI技术充满热情，且能接受现场办公的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利70
成长发展90
工作生活40
使命价值60
薪资福利
70中等
该职位为跨国企业全职岗位，薪资水平在沈阳地区具有竞争力，但具体薪资未明确披露，福利信息也未提及。
薪资信号未披露（AI估算：25K-40K/月）
成长发展
90较高
职位涉及前沿AI技术，包括大模型、RAG等，能提供丰富的技术成长机会，且公司鼓励内部培训，发展空间大。
技术前沿前沿/新兴技术
技术栈Python、机器学习、深度学习、NLP、LLM、LangChain、PyTorch、TensorFlow、RAG、Agent
成长机会内部培训、外部培训
业务类型ambiguous
工作生活
40较低
工作地点在沈阳，为现场办公，未提及弹性工作或远程办公，工作模式可能较为固定。
工作模式仅现场办公
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
60中等
汽车行业是成熟行业，但该职位专注于AI技术应用，具有一定的创新性，但社会影响力一般。
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
Watch Jobs