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
研究与开发 (研发)
NLP
PyTorch
RAG
TensorFlow
LLM
Machine Learning
AI 估算 · 20k–35k
沈阳AI算法岗，3年经验+大模型技能稀缺，外企跨国巨头薪资有竞争力，但城市薪资水平低于一线，综合估计月薪20k-35k。
职位详情
关于这个职位
该职位是德科斯米尔（沈阳）汽车零部件公司的AI算法研发岗，专注于机器学习、深度学习和自然语言处理领域
你将负责设计开发面向业务场景的AI解决方案，包括大模型（LLM）的微调、RAG、Agent等应用落地，并参与从数据处理、模型训练到部署上线的全流程
适合有3年以上AI算法经验、熟悉Python和深度学习框架的技术人才
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
- 技术栈前沿，聚焦LLM、RAG、Agent等热点方向，积累高价值技能
- 外企平台，制度完善，注重培训与内部汇报，职业发展路径清晰
- 沈阳地区AI岗位稀缺，竞争相对小，薪资在本地有竞争力
- 岗位虽为汽车零部件公司，但技术要求极高，需同时具备传统ML/DL和大模型部署能力
- 职责范围广（算法、工程、项目管理、培训），可能工作强度较大
- 沈阳并非AI产业中心，行业交流机会和跳槽选择相对有限
- 适合有较强算法背景、热衷大模型技术、喜欢在相对稳定的外企环境中做前沿技术落地的工程师
缺点 / 挑战
暂无明显挑战项
角色解读
- 在技术深度上，可向AI算法专家、首席科学家方向发展，深耕大模型、多模态等前沿领域
- 在管理路径上，可晋升为AI团队负责人或技术经理，领导子项目与技术标准制定
- 横向发展可转向AI产品经理或技术咨询，结合汽车行业知识实现技术业务融合
- 负责AI算法的设计与开发，包括机器学习、深度学习、NLP及大模型（LLM）相关技术，构建定制化AI解决方案
- 完成从数据清洗、特征工程、模型训练到推理优化的全流程，确保模型在生产环境的高性能与稳定性
- 探索LLM在对话系统、知识图谱、智能推荐等场景的应用，并推动RAG、Agent等技术的落地
- 扎实的数学基础（线性代数、概率统计、最优化）和Python编程能力，熟练使用Pandas、Scikit-learn等工具
- 精通至少一种深度学习框架（PyTorch/TensorFlow/MindSpore），具备3年以上AI算法研发或大模型应用经验
- 熟悉LLM相关技术栈，包括LangChain、LlamaIndex、vLLM、RAG、Agent等
- 英语可作为工作语言，具有独立主导或完整参与2个以上AI项目的经验
申请策略
- 在求职信中表达对汽车制造智能化趋势的理解，展示将AI落地工业场景的兴趣
- 准备一段英文自我介绍和项目展示，因为英语是工作语言
- 突出3年以上的AI算法经验，重点展示至少2个完整项目的算法设计、开发与部署成果
- 强调大模型相关经验，如LLM微调、RAG、Agent、LangChain等具体技术栈
- 列出数学基础（线性代数、概率统计）和编程能力（Python、PyTorch等），最好有开源贡献或技术博客
- 补充LLM推理优化（vLLM、量化、蒸馏）和Prompt Engineering的实战经验
- 熟悉数据处理工具（Pandas、Scikit-learn）和云端部署（如Kubernetes）会有加分
面试指南
- STAR法则：描述Situation, Task, Action, Result，突出量化成果和个人贡献
- 结构化回答：先梳理技术要点（例如微调分为全量微调、LoRA等），再结合实际项目案例，最后总结收获
- 如果遇到不熟悉的技术，诚实地表示了解但未深入，并展示学习能力和迁移思路
- 请详细描述一个你独立主导的AI项目，包括数据准备、模型选择、调优和最终效果
- 你对大模型（LLM）的微调有什么经验？如何处理领域数据并提升效果？
- 解释RAG的架构和关键组件，如何优化检索效果？
- 你如何评估一个AI模型在真实生产环境中的性能？有哪些监控指标？
- 请谈谈你对量化、蒸馏等模型压缩技术的理解，以及如何应用于LLM？
职位点评
65
综合评分
沈阳外企AI研发岗，技术栈前沿，发展空间大，但现场办公且WLB不确定。
更适合这类人
最适合发展动机强的求职者，他们重视技术成长和培训机会，愿意为前沿技术投入精力，对工作生活平衡要求不高。
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40
使命价值60
薪资福利
75中等
外企巨头，薪资水平在沈阳具有较强竞争力，福利完善（但JD未明确列出），稳定性高。薪资信号为面议/未披露，但综合估计较高。
薪资信号未披露（AI估算：20K-35K/月）
成长发展
85较高
职位聚焦前沿AI技术（LLM、RAG等），有内部培训和子项目管理机会，成长空间大。JD中明确提及培训、标准制定等，发展动机满足度高。
技术前沿前沿/新兴技术
技术栈Machine Learning、Deep Learning、NLP、LLM、Python、PyTorch、TensorFlow、LangChain、RAG、Agent
成长机会内部培训、外部培训、协助制定标准
业务类型ambiguous
工作生活
40较低
仅现场办公，地点沈阳（科技园/产业园可能性大），JD未提及弹性工时或WLB，可能有一定工作强度。
工作模式仅现场办公
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
60中等
汽车行业稳定成熟，AI技术在制造中有实际应用价值，但社会影响力有限。JD未提及使命愿景。
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