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
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
数据处理
机器学习
深度学习
AI 估算 · 18k–28k
沈阳AI算法岗位薪资低于一线城市，但外资企业提供一定竞争力，结合3年经验和大模型技能，市场平均月薪约2万左右。
职位详情
关于这个职位
这是一个面向AI算法与大模型应用的岗位，负责机器学习、深度学习、NLP算法的设计与开发，构建定制化AI解决方案
工作地点在沈阳，需要至少3年相关经验，英语可作为工作语言
适合希望在工业场景落地AI技术的算法工程师
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，涉及大模型、RAG、Agent等热门方向，有利于个人技术积累
- 外资企业平台，管理规范，有机会参与国际项目，职业发展清晰
- 职位职责全面，从算法开发到部署优化，能快速提升全栈AI能力
- 工作地点在沈阳，相对北上广深，AI产业氛围和机遇较少
- 汽车行业对AI应用相对保守，可能面临落地场景限制和业务沟通复杂度
- 适合热爱AI技术、愿意深入工业场景、适应外资企业文化的算法工程师，尤其适合希望在大模型领域深耕且接受沈阳工作地点的求职者
缺点 / 挑战
- 职位要求技能广，需要同时掌握算法、工程和部署，学习压力较大
角色解读
- 从算法工程师向大模型专家或AI技术负责人方向发展，参与更核心的AI架构设计
- 可在汽车行业深耕工业AI应用，成为智能制造领域的专家，或向数据科学、AI产品方向拓展
- 公司提供内部培训和跨国项目机会，有助于培养全球化视野和跨文化沟通能力
- 负责AI算法的设计与开发，包括机器学习、深度学习和NLP模型，并针对具体业务场景定制解决方案
- 参与大模型的全生命周期管理，包括预训练、微调、RAG、Agent适配以及推理优化，确保模型在生产环境稳定高效
- 与内部团队及外部合作伙伴沟通协作，参与项目管理和技术培训，推动AI技术在工业场景的落地
- 扎实的数学基础（线性代数、概率统计、优化理论），能够理解和改进算法模型
- 精通Python编程，熟练使用Pandas、Scikit-learn等数据处理工具，以及TensorFlow/PyTorch等深度学习框架
- 熟悉大模型相关技术栈，如LangChain、vLLM、RAG、模型量化蒸馏等，具备实际的工程落地经验
- 英语可作为工作语言，需要阅读技术文档并进行国际团队协作
申请策略
- 了解德科斯米尔在汽车行业的具体业务，思考AI如何与线束、内饰生产结合
- 在申请材料中表达对工业场景的兴趣，强调解决实际问题的能力
- 突出AI项目经验，尤其是大模型应用、RAG或Agent相关项目的实际成果
- 强调算法优化和部署能力，如推理加速、模型量化等经历
- 展示Python编程和深度学习框架的熟练度，最好有代码或GitHub链接
- 体现英语能力，例如国际项目合作或英文技术文档写作经历
- 补充大模型生态工具知识，如LangChain、LlamaIndex、vLLM等，并进行实践
- 熟悉RAG和模型微调流程，尝试在开源大模型上做领域适配
面试指南
- 使用STAR法则，突出项目背景、个人贡献、技术方案和量化结果
- 对于技术原理问题，先解释核心概念，再结合自身经验举例，最后总结优缺点
- 针对开放性问题，展示结构化思考，从数据、模型、工程、业务四个维度展开
- 请介绍一个你独立主导的AI项目，从需求分析到部署的完整流程，并说明遇到的挑战
- 大模型RAG的实现原理是什么？如何解决检索质量不高的问题？
- 如何对大模型进行量化？量化后模型性能下降如何评估和补偿？
- 在处理非结构化数据时，你通常如何设计特征工程？
- 你如何保证模型在生产环境中的稳定性和实时性？
职位点评
65
综合评分
技术前沿的外企AI算法岗位，发展空间大，但薪资和WLB信息不透明。
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
最适合以技术成长为核心动机的求职者，希望在AI大模型领域深入发展，并愿意接受沈阳工作地点和相对稳定的行业环境。
表现最好
成长发展
相对薄弱
薪资福利
薪资福利55
成长发展85
工作生活60
使命价值55
薪资福利
55较低
薪资未明确披露，但外资企业通常提供较完善的福利和稳定性，整体处于中等水平。
薪资信号未披露（AI估算：18K-28K/月）
成长发展
85较高
职位技术前沿，涉及大模型、RAG等新兴方向，有较多学习和成长机会。
技术前沿前沿/新兴技术
技术栈Python、PyTorch、TensorFlow、大模型、NLP、RAG、LangChain、vLLM
业务类型ambiguous
工作生活
60中等
工作地点固定，未提及远程或弹性工作，WLB情况不明确，但作为外企可能相对规范。
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
55较低
汽车行业稳定但相对传统，AI应用的社会影响力一般，但有一定行业价值。
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