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
高级经验
全职员工
仅现场办公
本科
软件工程
Pytorch
Tensorflow
大语言模型
数据挖掘
机器学习
深度学习
特征工程
自然语言处理
AI 估算 · 15k–25k
沈阳AI算法岗，外企，3年经验，技能要求前沿，薪资处于当地中高水平。
职位详情
关于这个职位
该职位是德科斯米尔（沈阳）的工业工程ES岗位，实际负责AI算法与大模型应用开发
您将设计机器学习、深度学习及NLP算法，构建定制AI解决方案
探索LLM在对话、知识图谱等场景的落地
优化模型推理性能并参与模型全生命周期管理
适合具备3年以上AI研发经验、精通Python及深度学习框架的工程师
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
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
- 技术前沿：深度参与大模型、LLM应用开发，积累稀缺经验
- 外企平台：德科斯米尔为跨国巨头，流程规范，有国际培训机会
- 职责全面：覆盖算法研究、工程落地、模型优化及培训，快速提升综合能力
- 技术要求高：需同时掌握传统ML和最新LLM技术栈，持续学习成本高
- 地点限制：沈阳并非一线AI研发中心，行业发展机会相对较少
- 适合有3年以上AI经验、热爱前沿技术、愿意在汽车领域深耕且能接受跨部门协作的工程师
缺点 / 挑战
- 工作强度：从职责看涉及多个项目，可能需并行处理，压力较大
角色解读
- 技术方向：从AI算法工程师成长为技术专家或架构师，深入大模型领域
- 管理方向：通过项目管理经验转型为技术团队负责人或项目经理
- 跨领域：结合汽车行业业务，成为工业AI解决方案专家
- 设计和开发机器学习、深度学习及NLP算法，构建定制化AI解决方案
- 探索和落地大语言模型(LLM)在对话、知识图谱、内容生成等场景的应用
- 优化LLM推理性能，包括量化、蒸馏等模型轻量化技术
- 参与模型全生命周期管理，从训练、调优到部署，并负责内部培训与标准制定
- 扎实的数学基础（线性代数、概率统计、最优化）和算法设计能力
- 精通Python，熟悉Pandas、Scikit-learn等数据处理工具
- 熟练使用至少一种深度学习框架（PyTorch、TensorFlow、MindSpore）
- 熟悉LLM相关技术栈，如LangChain、LlamaIndex、RAG、Agent等
申请策略
- 了解德科斯米尔的业务方向（汽车线束与内饰），思考AI如何应用于智能制造
- 在简历中明确展示您独立主导或完整参与项目的细节，包括技术难点和成果
- 突出参与过的AI项目（至少2个），尤其是大模型相关落地案例
- 强调Python和深度学习框架的熟练程度，以及数学基础
- 列出LLM相关经验如RAG、Agent、模型优化（量化、蒸馏）等
- 如有跨团队协作或培训经历，需重点展示
- 补充LangChain、vLLM等主流LLM工具的实战经验
- 强化模型部署和推理优化技能，如使用Ollama、TGI等
面试指南
- STAR法则：说明项目背景、任务、行动和结果，突出个人贡献
- 对比分析：比较不同技术方案的优劣，展现技术视野
- 工程思维：强调实验、迭代和监控，体现工程落地能力
- 请描述一个你主导的AI项目，从数据到部署的完整流程
- 你对大语言模型的RAG和Agent技术有什么理解？如何选择方案？
- 如何优化LLM推理速度？请解释量化和蒸馏的原理
- 你如何处理模型在工业场景中的稳定性问题？
- 请用英语介绍你最近的一个技术项目
职位点评
64
综合评分
前沿AI技术岗，发展空间大，但现场办公且WLB不明确。
更适合这类人
最适合追求技术成长、愿意在复杂项目中学到前沿知识的求职者。
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55
薪资福利
60中等
薪资未披露，但外企通常提供具有竞争力的薪酬和福利，沈阳生活成本较低，综合来看补偿性动机中等。
薪资信号未披露（AI估算：15K-25K/月）
成长发展
90较高
职位涉及前沿AI和大模型技术，提供内外部培训机会，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、大语言模型、LLM、RAG、Agent、LangChain、vLLM
成长机会继续教育、培训
业务类型ambiguous
工作生活
50较低
沈阳固定办公，未提及弹性工作或远程，WLB信号不明，生活化动机满足有限。
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
55较低
汽车行业稳定，但职位偏技术，社会影响力中性，意义感动机中等。
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
Watch Jobs