Watch Jobs
DRAXLMAIER logo
德科斯米尔
Industrial Engineering ES
立即应聘

Industrial Engineering ES

发布于 大约 14 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
机器学习工程
Llm
Nlp
Pytorch
Rag
Tensorflow
Vllm
机器学习
深度学习

AI 估算 · 18k–30k

AI算法岗位，技能要求高，市场稀缺，沈阳生活成本低，外资公司薪酬有竞争力，综合预估2.4万左右。

职位详情

关于这个职位

该职位负责AI算法与大模型应用的研发，包括机器学习、深度学习、自然语言处理（NLP）等方向，需构建定制化AI解决方案并推动大模型在企业级场景落地

要求具备至少3年AI算法经验，精通Python及深度学习框架，英语可作为工作语言

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，支撑结构化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

  • 跨国巨头企业，平台稳定，可接触国际化资源和项目
  • 岗位职责覆盖全栈AI开发，从数据到部署，技能积累全面
  • 沈阳生活成本较低，薪资竞争力较强
  • 对数学和算法基础要求高，需持续学习不断演进的新技术
  • 工作地点在沈阳，相比一线城市，行业生态和人才交流机会较少
  • 需要同时掌握模型训练、调优、部署全流程，技术广度要求高
  • 适合热爱AI技术、学习能力强、能够独立完成复杂算法项目，且适应传统制造业转型氛围的求职者

缺点 / 挑战

  • 技术前沿，聚焦大模型和AI应用，有较高技术含量和行业前景

角色解读

  • 可向AI算法专家或大模型方向专家深耕，成为技术带头人
  • 有机会参与企业级AI平台建设，向AI架构师或技术管理方向发展
  • 依托外资平台，可接触国际项目和前沿技术，积累跨文化协作经验
  • 负责AI算法与大模型应用的开发，涵盖机器学习、深度学习和NLP，构建定制化AI解决方案
  • 优化LLM推理流程，使用vLLM、Ollama等框架提高服务性能，并参与大模型的预训练、微调和RAG
  • 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和高性能
  • 作为专业领域联络人，参与内部工作组协作，并负责相关文档编制与培训
  • 扎实的数学基础，精通Python及Pandas、Scikit-learn等数据处理工具
  • 熟练掌握至少一种深度学习框架，如PyTorch、TensorFlow
  • 具备大模型应用经验，熟悉LangChain、LlamaIndex、RAG、Agent等技术
  • 熟悉模型轻量化技术（量化、蒸馏）和推理优化框架（vLLM、TGI等）

申请策略

  • 了解德科斯米尔的业务背景和汽车行业智能化趋势，在面试中展示对行业应用场景的理解
  • 准备好详细的项目案例，包括问题、技术选型、挑战和成果，以体现独立主导能力
  • 突出AI算法项目的完整落地经历，尤其是大模型相关应用
  • 强调Python编程能力和深度学习框架的熟练度，列出具体项目和成果
  • 展示对LLM生态工具（如LangChain）的实践经验，以及对模型优化、部署的理解
  • 如有英语工作经历或国际项目经验，务必突出
  • 补充RAG、Agent、模型微调等大模型应用技能，可动手实践开源项目
  • 熟悉Ollama、vLLM等推理框架的实际部署，了解量化蒸馏技术

面试指南

  • 采用STAR法则：情境(Situation)、任务(Task)、行动(Action)、结果(Result)，清晰展示项目经历
  • 针对技术问题，先解释原理，再结合实践案例，最后总结关键要点和优化思路
  • 对于场景类问题，从需求分析、技术选型、成本效益等角度综合回答，体现工程思维
  • 请介绍一个你主导的AI或大模型项目，从需求到落地的完整流程
  • 如何优化LLM的推理性能？请结合具体框架说明
  • 在微调大模型时，如何处理数据清洗和特征工程？
  • RAG和Agent的区别是什么？在什么场景下选择使用？
  • 如何保证AI模型在生产环境中的稳定性和实时性？

职位点评

67
综合评分

外资企业AI算法岗，前沿技术栈，成长空间大，但薪资福利未明示，现场办公且无WLB信息。

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、对AI前沿领域有热情，且不介意现场办公和传统行业环境的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利60
成长发展90
工作生活50
使命价值60

薪资福利

60中等

薪资未在JD中明确，但外资巨头通常提供有竞争力的薪酬和福利。不过具体福利未提及，因此补偿性动机满足程度适中。

薪资信号未披露（AI估算：18K-30K/月）

成长发展

90较高

岗位聚焦AI前沿技术，涉及LLM、RAG、Agent等，技能成长空间大，且要求持续学习和培训，发展性很强。

技术前沿前沿/新兴技术
技术栈Python、PyTorch、TensorFlow、LLM、LangChain、RAG、Agent、vLLM
成长机会持续教育、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，要求现场办公，未提及远程或弹性工作安排，生活化动机满足程度一般。

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

汽车行业智能化应用具有一定行业意义，但岗位偏技术实现，直接社会影响力不明显，意义感动机满足中等。

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