德科斯米尔
Industrial Engineering ES
Industrial Engineering ES
发布于 2 天前普通员工/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
Tgi
Vllm
数据挖掘
机器学习
AI 估算 · 15k–25k
基于沈阳地区AI算法工程师市场薪资，3年经验，跨国企业，薪资具有竞争力。
职位详情
关于这个职位
该职位是德科斯米尔在沈阳的工业工程AI算法岗，主要负责基于机器学习和深度学习的算法设计与开发，包括自然语言处理、大语言模型应用等，推动AI技术在企业级场景落地
要求3年以上经验，精通Python和深度学习框架
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
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
- 专注于前沿的大语言模型和AI技术，技术积累价值高
- 德科斯米尔为跨国巨头，平台稳定，资源充足，有机会参与国际化项目
- 职位涉及从算法设计到部署的全流程，综合能力提升快
- AI领域技术迭代快，需要持续学习保持竞争力
- 工业场景对模型稳定性和实时性要求高，落地难度较大
- 工作地点在沈阳，相比一线城市技术氛围和机会可能略少
- 适合对AI和大模型技术有浓厚兴趣，具备扎实算法基础，愿意在工业场景中应用前沿技术并追求长期技术成长的求职者
缺点 / 挑战
暂无明显挑战项
角色解读
- 从算法工程师向高级算法专家或技术架构师发展
- 深入大模型领域，成为LLM应用专家，负责企业级AI系统架构
- 可转向管理岗位，带领AI团队推动工业领域的智能化转型
- 设计并开发机器学习、深度学习及自然语言处理算法，构建面向业务场景的定制化AI解决方案
- 探索大规模语言模型在对话系统、知识图谱、内容生成等场景的应用，并推动落地
- 参与大模型的继续预训练、微调、RAG和智能体适配，提升模型在垂直领域的表现
- 管理AI模型从训练到部署的全生命周期，确保生产环境稳定性
- 扎实的数学基础，熟悉线性代数、概率统计和优化理论
- 精通Python编程，熟练使用Pandas、Scikit-learn等数据处理工具
- 熟练掌握至少一种深度学习框架（TensorFlow、PyTorch、MindSpore）
- 具备3年以上AI算法或大模型开发经验，独立主导过至少2个AI项目
申请策略
- 了解德科斯米尔在汽车行业的具体业务，思考AI如何赋能智能制造
- 提前准备英文面试，因为英语是工作语言
- 突出AI算法项目经验，尤其是完整参与从需求到落地的案例
- 强调在LLM、NLP、深度学习方面的具体工作成果，如模型性能提升指标
- 展示编程能力和数学基础，列出精通的工具和框架
- 补充大模型相关技能，如LangChain、RAG、模型微调等
- 加强Python数据处理和深度学习框架的熟练度
- 学习模型轻量化技术（量化、蒸馏）以提高部署能力
面试指南
- 对于项目介绍，采用STAR原则（情境-任务-行动-结果），突出技术难点和量化成果
- 对于技术问题，先阐述基本原理，再结合实际经验说明优化方案
- 请介绍一个你主导的AI项目，包括算法设计、模型选型和落地效果
- 如何优化大语言模型的推理性能？请列举具体方法
- 你对RAG和Agent技术有哪些理解？如何在企业场景中应用？
- 请解释Transformer的注意力机制
- 如何应对数据不平衡问题？
- 复习机器学习和深度学习核心算法，尤其是Transformer结构和LLM相关知识
职位点评
64
综合评分
跨国车企AI算法岗，前沿技术栈，成长空间大，但需现场办公且WLB一般。
更适合这类人
该职位最适合追求技术成长、热爱前沿AI领域的求职者。
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40
使命价值60
薪资福利
70中等
薪资未明确披露，但跨国巨头通常提供有竞争力的薪酬和福利，不过沈阳地区相比一线城市可能略低。
薪资信号未披露（AI估算：15K-25K/月）
成长发展
85较高
职位涉及前沿AI技术（LLM、NLP等），提供内部和外部培训机会，技术成长空间大。
技术前沿前沿/新兴技术
技术栈LLM、NLP、深度学习、机器学习、RAG、LangChain
成长机会内部培训
业务类型ambiguous
工作生活
40较低
工作地点仅沈阳，要求现场办公，无远程或弹性工作信息，生活平衡一般。
工作模式仅现场办公
办公地点未明确
加班情况未提及（无法判断）
使命价值
60中等
汽车行业稳定，AI应用有前景，但职位对社会的直接影响力一般。
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