德科斯米尔
Industrial Engineering ES
Industrial Engineering ES
发布于 大约 2 小时前普通员工/个人贡献者
全职员工仅现场办公工业工程
工业工程
Llm
Nlp
Pytorch
Rag
Scikit-Learn
Tensorflow
工业工程
值不值得投
73综合评分
综合评分 73
跨国巨头，前沿AI技术栈，薪资可观，但现场办公且WLB未明确。
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。
薪资怎么样
28K
比工业工程中位数高
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 170 个在招 · 其中工业工程 34 个
市场机会
选择适中
沈阳 · 工业工程 · 11 个在招
职位详情
关于这个职位
该职位负责规划并实现新老产品的生产工艺，同时深度参与AI算法与大模型应用的开发与落地，包括机器学习、深度学习、NLP、LLM应用、RAG及Agent等方向
你将负责从数据挖掘、模型训练到部署的全生命周期管理，并参与跨部门协作与培训，是兼具工业工程与AI技术挑战的复合型岗位
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
- 德科斯米尔是跨国巨头，平台稳定，福利完善
- 岗位涉及前沿AI技术（LLM、RAG、Agent），技术成长空间大
- 工业工程与AI结合，领域独特，竞争相对较小
- 有机会参与国际培训和项目，提升个人影响力
- 岗位职责跨度大，需同时具备工业工程和AI算法能力，对综合能力要求高
- AI技术迭代快，需持续学习，保持技术领先
- 可能涉及跨部门协调和项目管理工作，需较强的沟通能力
- 适合具备AI算法开发经验，同时对工业工程感兴趣，愿意在传统制造业中应用前沿技术，并具备良好英语沟通能力的求职者
缺点 / 挑战
暂无明显挑战项
角色解读
- 可向AI算法专家或大模型应用架构师方向发展，深入技术研究
- 可转向工业工程与AI结合的管理岗位，如智能制造项目经理
- 在跨国企业中有机会参与国际项目，拓展全球视野
- 负责工业工程相关的生产工艺规划与实现，同时主导AI算法（机器学习、深度学习、NLP）的设计与开发
- 构建定制化AI解决方案，包括LLM应用、RAG、Agent等，推动大模型技术在企业场景落地
- 负责数据挖掘、特征工程、模型训练与优化，并管理模型从训练到部署的全生命周期
- 参与内部标准制定、跨部门协作及培训，并承担子项目管理职责
- 扎实的数学基础，精通Python，熟悉Pandas、Scikit-learn等数据处理工具
- 熟练掌握TensorFlow、PyTorch或MindSpore等深度学习框架
- 具备LLM应用开发经验，熟悉LangChain、LlamaIndex、vLLM等工具和推理框架
- 英语可作为工作语言，具备良好的沟通和项目管理能力
申请策略
- 了解德科斯米尔在汽车行业的业务，特别是线束和内饰系统，在面试中体现对行业的理解
- 准备英文自我介绍和项目介绍，展示英语工作能力
- 突出AI项目经验，特别是LLM、RAG、Agent相关项目，展示从算法设计到落地的完整过程
- 强调数学基础和Python编程能力，列出具体使用的框架和工具
- 展示工业工程或制造业相关项目经验，体现跨领域能力
- 如有英文工作环境经验，务必突出
- 补充LangChain、LlamaIndex等LLM应用框架的实践项目
- 学习vLLM、Ollama等推理优化工具，掌握模型量化、蒸馏技术
面试指南
- 采用STAR法则（情境、任务、行动、结果）回答项目经验问题，突出个人贡献和量化结果
- 对于技术问题，先阐述原理，再结合项目实践，最后总结优化思路
- 对于跨领域问题，强调技术如何解决业务痛点，体现价值
- 请介绍一个你主导的AI项目，从需求分析到部署的完整流程
- 如何优化LLM推理性能？你使用过哪些框架和技术？
- 如何构建RAG系统？如何评估其效果？
- 你如何将AI技术应用到工业工程场景？
- 请谈谈你对大模型在企业级应用中的挑战和解决方案
职位点评
薪资福利75
成长发展90
工作生活50
使命价值70
薪资福利
75中等
跨国巨头，薪资福利有竞争力，但具体薪资未披露，稳定性高。
薪资信号未披露（AI估算：20K-35K/月）
成长发展
90较高
岗位涉及前沿AI技术，有国际培训机会，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、Agent、LangChain、vLLM
成长机会内部及外部培训
业务类型ambiguous
工作生活
50较低
仅现场办公，工作地点在沈阳，可能需适应工厂环境，WLB未明确。
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
70中等
汽车行业稳定，但社会影响力一般，创新性较强。
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