德科斯米尔
Industrial Engineering ES
Industrial Engineering ES
发布于 大约 18 小时前普通员工/个人贡献者
全职员工仅现场办公人工智能
人工智能
Pytorch
Tensorflow
大语言模型
数据处理
机器学习
深度学习
自然语言处理
英语
项目管理
值不值得投
68综合评分
综合评分 68
AI算法岗位，技术前沿、成长空间大，但办公模式和WLB信息不明。
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
20K
比人工智能中位数低
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
95 个在招 · 其中人工智能 3 个
市场机会
选择不多
沈阳 · 人工智能 · 3 个在招
职位详情
关于这个职位
该职位为德科斯米尔汽车零部件公司的工业工程专家，主要负责AI算法设计与开发，包括机器学习、深度学习和自然语言处理，构建定制化AI解决方案
工作涉及探索大模型在企业级场景的应用、模型优化及全生命周期管理，支持公司汽车内饰和线束系统的创新
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
计划和实现现有产品和新产品的生产工艺
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
- 工作涉及大语言模型等前沿AI技术，技术栈先进，能积累宝贵的行业应用经验
- 公司为跨国汽车零部件企业，平台稳定，有机会参与国际项目和培训
- 职责覆盖算法开发到部署全流程，能全面提升技术能力和项目视野
- AI技术更新快，需要持续学习新工具和框架，保持技能竞争力
- 汽车制造业对AI应用可能有特定约束，需平衡技术理想与工业场景实用性
- 适合有扎实AI技术基础、喜欢解决实际工程问题、并希望在汽车智能化领域发展的求职者
缺点 / 挑战
- 项目需独立主导或参与，对自驱力和问题解决能力要求较高
角色解读
- 可向AI架构师或技术专家方向发展，专注复杂算法设计和系统优化
- 积累项目管理经验后，可晋升为技术团队负责人或项目经理
- 持续跟进大模型等前沿技术，在汽车智能化领域深耕，成为行业解决方案专家
- 设计并开发机器学习、深度学习和自然语言处理算法，为企业场景构建定制化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、知识图谱等领域的应用，并推动技术落地
- 管理AI模型的全生命周期，包括训练、部署和优化，确保生产环境稳定性
- 扎实的数学基础，如线性代数、概率统计和优化理论
- 精通Python编程和数据处理工具（Pandas、Scikit-learn），熟练使用至少一种深度学习框架（TensorFlow/PyTorch）
- 年以上AI算法或大模型应用开发经验，有独立项目落地能力
- 英语工作语言能力，用于技术交流和协作
申请策略
- 研究德科斯米尔公司在汽车内饰和线束领域的创新，面试时展示对行业AI应用的理解
- 准备展示端到端的AI项目案例，从问题定义到部署落地的完整思路
- 突出3年以上AI算法开发经验，具体描述参与的项目及成果（如模型性能提升指标）
- 强调大语言模型相关技能，如LLM微调、RAG应用、Prompt工程等实践经验
- 展示数学背景和编程能力，列出掌握的工具和框架（Python、PyTorch等）
- 提及跨团队协作或项目管理经验，体现沟通和组织能力
- 深入学习大模型优化技术，如量化、蒸馏，并掌握vLLM等推理框架
- 补充汽车制造或工业工程知识，了解生产流程以更好支持业务场景
面试指南
- 采用STAR法则（情境、任务、行动、结果）结构化描述项目经验，突出技术选型和优化过程
- 结合具体案例说明技术方案，如使用PyTorch进行模型训练，通过量化降低延迟
- 强调对业务问题的理解，说明如何将技术需求转化为算法解决方案
- 请描述一个你独立完成的AI项目，从算法设计到部署的完整过程
- 如何优化大语言模型的推理性能？请结合具体框架或技术说明
- 在数据特征工程中，你遇到过哪些挑战，如何解决的？
- 你如何将AI技术应用到工业生产场景中？请举例说明
- 解释一下RAG（检索增强生成）的工作原理及其在大模型中的应用
职位点评
薪资福利65
成长发展85
工作生活50
使命价值70
薪资福利
65中等
薪资估算处于沈阳市场中等水平，但JD未明确福利或薪资细节，补偿性动机满足有限。
薪资信号未披露（AI估算：15K-25K/月）
成长发展
85较高
职位涉及大模型等前沿技术，提供持续培训和国际协作机会，有利于技能成长和职业发展。
技术前沿前沿/新兴技术
技术栈机器学习、深度学习、自然语言处理、大语言模型、Python、TensorFlow、PyTorch、vLLM、LangChain
成长机会规划并实施内部及外部培训、识别持续教育需求
业务类型ambiguous
工作生活
50较低
JD未提及办公模式或工作时间，可能为现场办公，WLB信息不足。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值
70中等
汽车创新行业，AI技术应用于提升驾驶体验，具有一定的社会价值和行业前景。
行业发展稳定成熟行业
社会影响中性/一般
使命信号贡献知识、技能和热情、汽车创新
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