德科斯米尔
Industrial Engineering ES
Industrial Engineering ES
发布于 大约 14 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
NLP工程
Nlp
Pytorch
Rag
Tensorflow
大语言模型
数据处理
机器学习
深度学习
AI 估算 · 15k–25k
沈阳AI算法岗位稀缺，外资企业薪资有竞争力，综合市场水平估算。
职位详情
关于这个职位
该职位负责AI算法与大模型应用开发，包括机器学习、深度学习、NLP算法设计与实现，探索LLM在对话、知识图谱等场景落地
需独立完成数据挖掘、模型训练优化，并参与大模型微调、RAG及Agent适配
适合具备扎实数学基础和Python技能、有3年以上AI经验的工程师
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，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
- 外资企业平台稳定，福利完善
- 接触前沿AI和大模型技术，技术成长快
- 工作内容多样化，涉及算法、工程和项目协调
- 职位位于沈阳，AI岗位机会相对一线城市少，但竞争也较小
- 需要同时具备算法能力和工程实现能力，对综合技能要求高
- 可能涉及培训、协调等非纯技术工作，需具备沟通能力
- 适合有3年以上AI算法经验、希望在外企稳定发展并深入大模型技术的工程师
缺点 / 挑战
暂无明显挑战项
角色解读
- 可向AI算法专家或技术负责人方向发展
- 积累大模型应用经验，未来可转型AI架构师或技术总监
- 在外企中也有机会转向项目管理或跨部门协调角色
- 负责AI算法设计与开发，包括机器学习、深度学习和NLP模型的构建与优化
- 探索大语言模型在对话系统、知识图谱等场景的应用，并推动落地
- 参与大模型微调、RAG和Agent开发，优化推理性能与模型轻量化
- 扎实的数学基础（线性代数、概率统计、最优化理论）
- 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等），并有3年以上AI研发经验
申请策略
- 了解德科斯米尔在汽车领域的业务，思考AI如何应用于汽车制造场景
- 准备一个完整的AI项目案例，展示从数据处理到部署的全流程
- 突出3年以上AI算法或大模型应用开发经验，列出具体项目成果
- 强调Python、TensorFlow/PyTorch等技能，以及数据处理和模型优化经验
- 如果有LLM、RAG、LangChain相关项目，务必重点展示
- 体现独立主导项目的能力和英语工作能力
- 如果缺少大模型实战经验，可提前学习LangChain、RAG、vLLM等工具
- 加强数学基础和模型调优能力，熟悉量化、蒸馏等轻量化技术
面试指南
- 用STAR法则回答项目经验：情境、任务、行动、结果
- 大模型问题可从技术选型、数据准备、模型优化、部署监控等维度回答
- 结合具体案例展示你的思考和解决问题的能力
- 请介绍你主导过的一个AI项目，从问题定义到落地
- 你对大语言模型在垂直领域的应用有什么理解？
- 如何优化一个LLM推理系统的延迟和吞吐量？
- 你如何使用机器学习算法进行数据聚类和特征提取？
- 你如何与业务部门沟通并确定AI解决方案的优先级？
职位点评
72
综合评分
外资企业AI算法岗，聚焦大模型应用，技术前沿但WLB一般，薪资未明确。
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
该职位最适合注重技术成长和前沿AI领域发展的求职者，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90
工作生活50
使命价值60
薪资福利
75中等
外资企业提供稳定的薪资福利，在沈阳具有竞争力，但未在JD中明确薪资范围。
薪资信号未披露（AI估算：15K-25K/月）
成长发展
90较高
职位深度参与大模型、LLM等前沿技术，成长空间大。
技术前沿前沿/新兴技术
技术栈Python、TensorFlow、PyTorch、LLM、LangChain、RAG、vLLM
业务类型ambiguous
工作生活
50较低
工作地点在沈阳，需现场办公，JD未提及弹性或远程安排，灵活性一般。
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
汽车零部件行业相对稳定，AI技术应用有实际价值，但直接社会影响力有限。
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