德科斯米尔
Industrial Engineering ES
Industrial Engineering ES
发布于 大约 8 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
Llamaindex
Llm
Nlp
Pytorch
Rag
Tensorflow
机器学习
深度学习
AI 估算 · 20k–35k
AI算法岗位，要求3年经验，沈阳地区薪资水平相对一线城市略低，但结合外企背景和技能要求，月薪2-3.5万合理。
职位详情
关于这个职位
该职位隶属于德科斯米尔（沈阳）汽车零部件公司，负责工业工程与AI算法结合的工作
主要职责包括设计、开发和部署机器学习、深度学习及NLP算法，构建定制化AI解决方案，并探索大语言模型（LLM）在对话系统、知识图谱等场景的应用
同时参与生产工艺规划与优化，推动企业级AI落地
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，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
熟悉数据处理技术及工具（如Pandas、Scikit-learn），利用机器学习算法完成数据聚类分布等，支撑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
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
- 德科斯米尔作为跨国巨头，平台稳定，资源丰富
- AI技术前沿，涉及LLM、RAG等热门领域，技能积累快
- 工作内容结合工业工程，具有行业特色，发展空间大
- 英语作为工作语言，有助于提升国际化能力
- 要求3年以上经验，且需独立主导项目，对求职者能力要求高
- 工作地点在沈阳，相比一线城市，AI岗位机会相对较少
- 需要兼顾工业工程和AI，跨领域知识要求高
- 适合有AI算法经验，对工业应用感兴趣，且能接受沈阳工作地点的求职者
缺点 / 挑战
暂无明显挑战项
角色解读
- 可在AI算法工程师方向深耕，成为大模型专家
- 结合工业工程背景，向智能制造或数字化转型方向发展
- 有机会晋升为技术负责人或项目经理，管理AI项目团队
- 负责AI算法设计与开发，包括机器学习、深度学习和NLP模型，构建定制化解决方案
- 探索大模型（LLM）在对话系统、知识图谱等场景的应用，推动企业级落地
- 参与生产工艺规划与优化，将AI技术应用于工业工程领域
- 管理AI模型全生命周期，从训练到部署，确保生产环境稳定
- 扎实的数学基础，熟悉线性代数、概率统计和优化理论
- 精通Python，熟练使用Pandas、Scikit-learn等数据处理工具
- 熟悉至少一种深度学习框架（TensorFlow、PyTorch、MindSpore）
- 具备LLM应用开发经验，熟悉LangChain、LlamaIndex等工具
申请策略
- 了解德科斯米尔在汽车行业的业务，展示对工业场景的理解
- 强调跨领域能力，即AI与工业工程的结合
- 突出AI项目经验，特别是独立主导或完整参与的项目
- 强调LLM应用开发经验，如RAG、Agent等
- 展示Python、深度学习框架的熟练度
- 如有工业工程背景，务必突出
- 补充LangChain、LlamaIndex等LLM工具链的学习
- 熟悉vLLM、Ollama等推理框架，掌握模型量化、蒸馏技术
面试指南
- 使用STAR法则回答项目经验，突出个人贡献和成果
- 对于技术问题，结合具体案例，展示问题解决思路
- 对于行业应用，体现对业务的理解和跨领域思考
- 请介绍你主导的一个AI项目，包括技术选型和落地效果
- 你如何优化LLM推理性能？请举例说明
- 如何构建RAG系统？你如何处理知识库的更新？
- 你如何将AI技术应用于工业工程场景？
- 请谈谈你对大模型未来在制造业应用的看法
职位点评
69
综合评分
跨国企业AI岗位，技术前沿，但工作地点固定，福利未明。
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、愿意在沈阳发展的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利70
成长发展85
工作生活50
使命价值60
薪资福利
70中等
薪资水平在沈阳地区具有竞争力，但具体福利未在JD中明确，整体补偿性中等偏上。
薪资信号未披露（AI估算：20K-35K/月）
成长发展
85较高
职位涉及前沿AI技术，提供持续学习机会，成长空间大。
技术前沿前沿/新兴技术
技术栈Python、LLM、LangChain、RAG、PyTorch
成长机会继续教育、培训
业务类型ambiguous
工作生活
50较低
工作地点在沈阳，未提及弹性办公或远程，工作模式可能固定。
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
汽车行业稳定，但社会影响力一般，创新性中等。
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