德科斯米尔
Industrial Engineering ES
Industrial Engineering ES
发布于 大约 10 小时前普通员工/个人贡献者
工业工程
Llm
Nlp
Pytorch
Rag
Tensorflow
工业工程
机器学习
深度学习
AI 估算 · 15k–25k
职位详情
关于这个职位
该职位负责规划并实现汽车线束及内饰产品的生产工艺，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及LLM相关项目
工作地点在沈阳，要求具备扎实的数学基础和Python编程能力，并拥有至少3年AI算法研发经验
适合希望在汽车制造领域结合AI技术发展的工程师
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
- 外企平台，工作稳定，福利完善
- 涉及AI前沿技术，如LLM、RAG，技术成长快
- 跨领域结合（工业工程+AI），职业发展空间大
- 沈阳生活成本较低，薪资竞争力强
- 工作内容可能涉及生产现场，需要适应工厂环境
- 英语作为工作语言，对语言能力有要求
- 适合有AI算法经验，希望在外企稳定发展，并愿意结合工业场景应用技术的工程师
缺点 / 挑战
- AI算法研发压力大，需要持续学习新技术
角色解读
- 可向AI算法专家或技术负责人方向发展，负责更复杂的AI项目
- 有机会参与公司内部培训，提升管理能力，转向技术管理岗位
- 在汽车制造与AI结合领域积累经验，成为行业稀缺人才
- 负责生产工艺规划，同时主导AI算法设计与开发，包括机器学习、深度学习、NLP等
- 构建定制化AI解决方案，探索LLM在对话系统、知识图谱等场景的应用
- 优化LLM推理流程，参与大模型微调、RAG、Agent等落地工作
- 管理AI模型全生命周期，并担任内部培训与外部联络角色
- 精通Python，熟悉Pandas、Scikit-learn等数据处理工具
- 掌握至少一种深度学习框架（TensorFlow、PyTorch、MindSpore）
- 具备扎实的数学基础，熟悉线性代数、概率统计、最优化理论
- 熟悉LLM相关技术，如LangChain、vLLM、RAG等
申请策略
- 了解德科斯米尔公司业务，特别是汽车线束和内饰产品
- 准备一个AI项目案例，展示从需求到落地的完整过程
- 突出AI项目经验，特别是独立主导或完整参与的项目
- 强调Python、深度学习框架、LLM相关技能
- 展示数学基础和算法优化能力
- 如有工业工程背景，务必提及
- 熟悉LangChain、vLLM等LLM工具链
- 补充RAG、Agent等大模型应用知识
面试指南
- 使用STAR法则回答项目经验：情境、任务、行动、结果
- 对于技术问题，先阐述原理，再结合项目实例说明
- 展示学习能力和对行业趋势的理解
- 请介绍一个你主导的AI项目，包括技术选型和落地效果
- 如何优化LLM推理性能？你使用过哪些框架？
- 谈谈你对RAG的理解，以及如何应用于垂直领域？
- 你如何处理数据清洗和特征工程？
- 为什么选择汽车行业？你对工业工程与AI结合有什么看法？
职位点评
72
综合评分
外企稳定，AI前沿技术，薪资有竞争力，但工作地点可能偏远。
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的求职者，对工作地点灵活性要求不高。
表现最好
成长发展
相对薄弱
工作生活
薪资福利75
成长发展85
工作生活50
使命价值70
薪资福利
75中等
外企提供稳定薪资和福利，但具体薪资未披露，整体补偿性较好。
薪资信号未披露（AI估算：15K-25K/月）
成长发展
85较高
职位涉及AI前沿技术，且提供培训机会，发展性动机满足度高。
技术前沿前沿/新兴技术
技术栈机器学习、深度学习、NLP、LLM、LangChain、RAG、vLLM
成长机会内部及外部培训
业务类型ambiguous
工作生活
50较低
工作地点在沈阳，可能涉及工厂环境，工作模式未明确，生活化动机一般。
工作模式未明确
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
Watch Jobs