德科斯米尔
Industrial Engineering ES
Industrial Engineering ES
发布于 大约 1 小时前普通员工/个人贡献者
沈阳市
高级经验
全职员工
仅现场办公
本科
机器学习工程
Llm
Mindspore
Nlp
Pytorch
Rag
Tensorflow
机器学习
深度学习
AI 估算 · 15k–30k
沈阳AI算法岗位，3年以上大模型经验，外企薪资中等偏上，月数14左右
职位详情
关于这个职位
该职位虽名为工业工程ES，实际聚焦于AI算法与大型语言模型（LLM）的研发与应用
你将负责机器学习、深度学习及NLP算法的设计与优化，并推动大模型在企业级场景的落地，涉及对话系统、知识图谱、内容生成等方向
适合具备3年以上AI经验、精通Python和主流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
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，工作流程规范，提供国际化的合作与培训机会
- 聚焦大模型等前沿技术，技术栈新颖，利于个人技术竞争力提升
- 职责中包含培训与标准制定，有助于锻炼综合能力
- 职位名称与内容存在偏差，实际偏AI研发，需适应角色定位
- 对算法和工程能力要求高，需同时掌握模型开发与部署优化
- 沈阳地区AI产业生态相对薄弱，可交流的同行圈子较小
- 适合有3年以上AI经验、热爱大模型技术、愿意在外企环境中长期发展的工程师
缺点 / 挑战
暂无明显挑战项
角色解读
- 技术深耕方向：从算法工程师成长为AI专家，主导复杂模型设计与创新
- 管理方向：积累项目协调和团队管理经验，晋升为技术负责人或项目经理
- 跨领域发展：结合工业工程背景，向智能制造、工业AI方向拓展
- 设计并开发机器学习、深度学习及NLP算法，为业务场景定制AI解决方案
- 负责大模型（LLM）的应用落地，包括Prompt工程、RAG、Agent等，构建企业级AI应用
- 优化模型推理性能，使用vLLM、Ollama等框架，并掌握量化和蒸馏等轻量化技术
- 管理AI模型全生命周期，从训练、调优到部署，并参与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），精通Python编程
- 熟练掌握TensorFlow、PyTorch或MindSpore至少一种深度学习框架
- 熟悉LLM相关技术栈，如LangChain、LlamaIndex、RAG、vLLM等
- 具备至少3年AI算法或大模型应用开发经验，有独立项目落地能力
申请策略
- 了解德科斯米尔在汽车行业的业务，思考AI在汽车制造中的应用场景
- 面试时可准备一个完整的LLM落地项目案例，展示从数据处理到部署的细节
- 突出大模型相关项目经验，尤其是LLM微调、RAG、Agent等落地案例
- 强调独立完成的AI项目，展示算法设计、开发和部署的全流程能力
- 展示Python及深度学习框架的熟练度，并附上GitHub或技术博客
- 如有英语工作沟通经验，务必注明
- 熟悉LangChain、LlamaIndex等主流LLM应用框架
- 学习vLLM、Ollama等推理优化工具，掌握模型量化和蒸馏技术
面试指南
- 用STAR法则结构化回答项目经验：情境、任务、行动、结果
- 对比不同技术方案的优劣，并说明选择理由，体现思考深度
- 强调结果量化指标，如准确率提升、延迟降低等
- 请描述一个你独立负责的AI项目，从需求分析到最终落地的过程
- 如何设计RAG系统来提升领域问答准确性？
- 有使用过vLLM或类似推理框架的经验吗？如何优化推理性能？
- 面对一个全新的业务场景，你如何选择适合的大模型方案？
- 聊聊你对Prompt Engineering的理解和实际应用
职位点评
67
综合评分
外企AI算法岗，技术前沿薪资不错，但工作地点灵活度一般。
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、愿意在传统行业外企中深耕AI方向的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利65
成长发展85
工作生活50
使命价值60
薪资福利
65中等
该职位薪资在沈阳地区属于中上水平，但JD未明确福利信息，补偿性满足一般。
薪资信号未披露（AI估算：15K-30K/月）
成长发展
85较高
岗位涉及前沿大模型技术，提供培训机会，发展性动机满足较高。
技术前沿前沿/新兴技术
技术栈Python、TensorFlow、PyTorch、NLP、LLM、LangChain、vLLM
成长机会持续教育、培训
业务类型ambiguous
工作生活
50较低
工作地点沈阳，现场办公，未提及弹性或远程，生活方式满足一般。
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+AI创新具有一定行业前景，但社会直接影响力有限。
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