德科斯米尔
Industrial Engineering ES
Industrial Engineering ES
发布于 大约 15 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
Nlp
Pytorch
Rag
Tensorflow
大模型(Llm)
数据分析
机器学习
深度学习
AI 估算 · 15k–25k
AI算法岗位技术稀缺，沈阳生活成本适宜，外企平台溢价，3年经验月薪中位数约2万。
职位详情
关于这个职位
该职位虽名为工业工程，实际是AI算法工程师，负责机器学习、深度学习和NLP算法开发，以及大模型（LLM）在业务场景的落地应用，包括RAG、Agent、模型微调与推理优化
你将参与从数据挖掘到模型部署的全流程，适合有3年AI经验、热爱技术挑战的候选人
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，涵盖机器学习、深度学习、NLP及大模型（LLM），能积累稀缺技能
- 外企平台，工作流程规范，有内部培训和出国培训机会
- 沈阳生活成本低，薪资在当地具有竞争力
- 职位涉及从研发到落地的全流程，能锻炼项目管理和跨部门协作能力
- 汽车零部件行业场景下，AI应用可能面临数据缺乏和业务约束，需要较强的业务理解能力
- 由于职位名称与内容不匹配，可能存在角色定位不清的问题，需要适应多任务切换
缺点 / 挑战
- 职责范围广泛，需要同时掌握算法、工程、部署等多项技能，学习压力大
- 适合有3年以上AI开发经验、热爱技术挑战、愿意在工业场景中落地的工程师，能适应跨领域工作和一定的不确定性
角色解读
- 可从AI算法工程师晋升为高级算法专家或技术负责人，带领团队
- 向大模型架构师方向发展，负责企业级AI平台的设计与优化
- 结合行业知识，可转向工业AI解决方案架构师，深入汽车制造智能化领域
- 负责机器学习、深度学习及NLP算法的设计与开发，构建面向业务场景的定制化AI解决方案
- 独立完成数据挖掘、特征工程、模型训练与调优，提升模型准确率、泛化能力和实时性
- 探索大语言模型（LLM）在对话系统、知识图谱、内容生成、智能推荐等场景的应用，推动大模型落地
- 管理AI模型从训练、测试到部署的完整生命周期，并参与子项目管理与内部培训
- 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）
- 扎实的数学基础（线性代数、概率统计、最优化理论），至少3年AI算法开发经验
- 英语可作为工作语言，具备独立沟通和内部培训能力
申请策略
- 在申请材料中说明对汽车行业AI应用的兴趣和理解，与职位实际内容对齐
- 主动询问岗位具体业务方向，避免因职位名称误导而错配
- 突出至少2个完整AI项目的算法设计、开发与落地经验，强调量化成果
- 重点展示大模型相关项目（如RAG、Agent、微调）的使用工具和框架
- 强调Python编程能力、数学基础和深度学习框架的熟练度
- 体现英语工作能力和跨团队协作经验
- 补充LangChain、vLLM等大模型工具链的实践经验，可参考开源项目动手实践
- 学习模型轻量化技术（如量化、蒸馏），了解推理优化方法
面试指南
- 采用STAR法（情境-任务-行动-结果）回答项目类问题，突出个人贡献和量化结果
- 对于大模型问题，先展示系统架构（如检索、生成、评估），再讨论关键调优点
- 对于数学/算法原理，先给出定义，再结合实际案例解释应用
- 请介绍一个你独立完成的AI项目，包括算法选型、数据问题和部署挑战
- 你如何设计一个基于RAG的问答系统？如何优化检索准确率？
- 解释一下Transformer的原理，以及如何微调一个LLM模型？
- 如果工业现场数据不够，你会如何做数据增强或迁移学习？
- 如何权衡模型的准确率和推理延迟？你有哪些模型压缩的经验？
职位点评
66
综合评分
前沿AI与制造业结合，技术成长好，但工作模式未知
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
适合追求技术深度和职业成长，能接受固定办公且不太看重WLB信号的工程师。
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85
工作生活50
使命价值65
薪资福利
60中等
JD未透露薪资福利，但外企平台通常有稳定薪酬，当地工资水平中等偏上。
薪资信号未披露（AI估算：15K-25K/月）
成长发展
85较高
技术栈前沿，涉及大模型、RAG、Agent等，有培训规划，成长空间大。
技术前沿前沿/新兴技术
技术栈Python、TensorFlow、PyTorch、NLP、LLM、RAG、Agent、LangChain、vLLM
业务类型ambiguous
工作生活
50较低
工作地点固定，JD未提远程和加班情况，生活方式不明确。
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
65中等
汽车行业是成熟赛道，但AI应用有创新性，社会价值一般。
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