德科斯米尔
Industrial Engineering ES
Industrial Engineering ES
发布于 大约 11 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
研究与开发 (研发)
机器学习
深度学习
NLP
数据挖掘
PyTorch
TensorFlow
LLM
Scikit-learn
AI 估算 · 15k–25k
沈阳AI算法岗，3年经验，外资汽车企业，薪资中等偏上，市场竞争力良好。
职位详情
关于这个职位
该职位是德科斯米尔（DRAEXLMAIER）在沈阳的工业工程岗位，实际工作聚焦于AI算法与大型语言模型（LLM）的开发与落地
你将负责机器学习、深度学习、NLP等算法的设计与优化，探索LLM在对话系统、知识图谱等场景的应用，并参与模型从训练到部署的全生命周期管理
这是一个技术深度与业务应用结合的角色，适合有扎实AI基础且追求技术落地的工程师
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，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
- 接触LLM等最前沿AI技术，技能提升快
- 外资企业平台稳定，资源丰富
- 沈阳生活成本低，薪资有竞争力
- 技术迭代快，需要持续学习
- 工作内容与职位名称（Industrial Engineering）不完全匹配，可能需适应
- 适合有AI算法经验、热爱技术、希望将前沿技术应用于实际业务场景的工程师
缺点 / 挑战
- AI模型落地到传统汽车行业可能面临数据与场景挑战
角色解读
- 纵向发展：成为AI算法专家或首席科学家
- 横向发展：转向AI产品经理或解决方案架构师
- 管理路径：带领AI团队，负责技术战略
- 设计并优化机器学习、深度学习模型，应用于NLP、LLM等场景
- 构建基于LLM的企业级AI应用，如对话系统、知识图谱
- 管理AI模型全生命周期，从数据挖掘、训练到部署与维护
- 参与内部培训与标准制定，跟踪技术趋势
- 扎实的数学基础（线性代数、概率统计、优化）
- 精通Python及TensorFlow/PyTorch等框架
- 熟悉LLM、RAG、Agent等前沿技术及工具（LangChain）
- 英语可作为工作语言
申请策略
- 了解德科斯米尔的业务方向，思考AI如何赋能汽车制造
- 准备英文面试，可能会用到英语交流
- 突出AI项目经验，特别是独立主导或完整参与的项目
- 强调LLM、NLP、深度学习的具体应用案例
- 展示数学基础与编程能力（Python、框架使用）
- 英语能力作为加分项
- 深入学习LLM相关技术：RAG、Agent、Prompt Engineering
- 熟悉LangChain、vLLM等工具链
面试指南
- STAR法则描述项目：情境、任务、行动、结果
- 技术问题先讲原理，再结合实践经验
- 业务问题从技术可行性与商业价值两方面分析
- 请介绍一个你负责的AI项目，从数据到部署的完整流程
- 如何优化LLM推理性能？你使用过哪些技术？
- 谈谈你对RAG的理解及其优缺点
- 如何处理不平衡数据集？
- 你如何看待AI在汽车工业中的应用？
职位点评
70
综合评分
沈阳外资车企AI岗，前沿技术，薪资合理，WLB一般。
更适合这类人
最适合追求技术成长和发展的求职者。
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85
工作生活60
使命价值65
薪资福利
70中等
薪资在沈阳有竞争力，但外资企业福利较好，稳定性高。
薪资信号市场水准 (15K-25K/月)
成长发展
85较高
涉及LLM等前沿技术，提供培训与国际合作机会，成长空间大。
技术前沿前沿/新兴技术
技术栈LLM、RAG、NLP、TensorFlow、PyTorch、LangChain
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
沈阳工作生活平衡较好，但JD未明确弹性工作，需坐班。
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
汽车行业AI创新有意义，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