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
全职员工仅现场办公机器学习工程
机器学习工程
Llm
Nlp
Pytorch
Rag
Tensorflow
数据处理
机器学习
深度学习
值不值得投
66综合评分
综合评分 66
外资汽车零部件企业AI算法岗，前沿技术，现场办公，WLB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。
薪资怎么样
20K
比机器学习工程中位数低
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 170 个在招
市场机会
选择不多
沈阳 · 机器学习工程 · 2 个在招
职位详情
关于这个职位
这是一个位于沈阳的外资汽车零部件企业中的AI算法岗位，实际上负责机器学习、深度学习和NLP算法开发，以及大模型（LLM）在企业场景的落地应用
你将参与从数据处理、模型训练到推理优化的全流程，使用Python和主流深度学习框架
要求有3年以上AI开发经验和英语工作能力，很适合想在制造业场景中深耕AI技术的求职者
最低要求
At least Bachelor’s degree in computer science, mathematics, and Computer Science, Industrial Engineering, AI Applications, Mathematics and etc.
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
Solid foundation in mathematics, with proficiency in linear algebra, probability and statistics, and optimization theory.
扎实的数学基础，熟悉线性代数，概率统计，最优化理论
Proficient in Python programming language, familiar with data processing tools such as Pandas and Scikit-learn.
精通Python编程语言，熟悉Pandas，Scikit-learn等数据处理工具
Proficient in at least one deep learning framework such as TensorFlow, PyTorch, or MindSpore.
熟练掌握TensorFlow，PyTorch，MindSpore等至少一种深度学习框架
At least 3 years of experience in AI algorithm development or large-scale model application development.
具备至少3年AI算法研发或者大模型应用开发相关经验
Experienced in independently leading or fully participating in algorithm design, development, and deployment for at least 2 AI projects.
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
English can be used as working language .
英语可作为工作语言
工作职责
Responsible for designing and developing algorithms in the fields of machine learning, deep learning, and natural language processing (NLP), building customized AI solutions tailored to specific business scenarios..
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
Responsible for independently conducting data mining, feature engineering, model training, and optimization to enhance model performance in accuracy, generalization capability, and real-time responsiveness.
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
Explore large-scale language models (LLMs) in applications such as conversational systems, knowledge graphs, content generation, and intelligent recommendations, driving the implementation of large-model technology in enterprise-level scenarios.
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
Design and implement a prompt engineering solution, leveraging tools such as LangChain and Llama Index to build enterprise-grade AI application systems powered by large language models (LLMs).
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
Proficient in data processing techniques (data cleaning, feature extraction) and tools (e.g., Pandas, Scikit-learn), utilizing machine learning algorithms to perform tasks such as data clustering and distribution analysis to support structural LLM fine-tuning datasets.
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
Optimize LLM inference workflows by leveraging inference frameworks such as vLLM, Ollama, and TGI to enhance service performance, reduce latency, and increase throughput; master model lightweighting techniques including quantization and distillation
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
Participate in the continued pre-training, fine-tuning, RAG (Retrieval-Augmented Generation), and agent adaptation of large models to enhance their performance in vertical domains.
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
Manage the entire lifecycle of AI models—from training, hyperparameter tuning, and testing to deployment—ensuring stability and high performance in production environments.
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
Act as internal and external contact person within his/her own area of expertise; cooperate in internal working groups.
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
Create internal publications (e.g. documentation, etc.) and present as required (internally)
编制内部相关文件并按需进行内部汇报
Recognize general need for continuing education in his/her own field within the company; plan and conduct internal and external training on complex topics, both domestically and in other countries
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）
Support in determining and optimizing internal standards and processes within his/her own area of expertise.
协助制定并优化本专业领域的内部标准与流程
Observe/identify trends in his/her area of expertise in order to develop concepts; suggest recommendations for action (e.g. planning methods, etc.).
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）
Conduct mainly conceptual activities within his/her area of expertise.
在其专业领域内主要开展概念性工作
Manage, control and coordinate sub-projects; monitor project handling and goal achievement, based on checklists and performance indicators.
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
Conduct complex analyses to optimize and determine measures for improvement.
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
- 前沿技术栈（LLM、RAG、Agent），能快速积累大模型落地经验
- 外资企业平台，培训体系完善，有国际协作机会
- 沈阳生活成本较低，外企薪资在本地具有竞争力
- 职责描述与职位标题（Industrial Engineering）存在矛盾，可能需要处理非AI相关工作
- 制造业场景的AI落地可能受限于数据质量和IT基础设施
- 适合对AI技术有热情、希望在外企制造业中应用前沿技术，且愿意接受沈阳工作地点和一定职责模糊性的求职者
缺点 / 挑战
- 要求英语工作，对语言能力有较高要求
角色解读
- 在AI算法领域深耕，可向大模型专家、AI架构师方向发展
- 在制造业场景中积累行业知识，可转型为智能制造解决方案专家
- 外企体系下有机会转向技术管理或项目负责人角色
- 设计和开发机器学习、深度学习及NLP算法，针对性解决业务场景问题
- 构建和优化大语言模型（LLM）应用，包括RAG、Agent、提示工程等，推动落地
- 负责AI模型全生命周期管理，从数据处理、训练、调优到部署推理
- 参与内部标准制定、技术培训及跨部门协作
- 扎实的数学基础（线性代数、概率统计、优化理论）和Python编程能力
- 熟悉TensorFlow/PyTorch等深度学习框架，掌握Pandas/Scikit-learn等数据处理工具
- 了解LLM推理优化（vLLM、Ollama等）和模型轻量化技术（量化、蒸馏）
- 英语可作为工作语言，具备独立项目管理和跨部门沟通能力
申请策略
- 投递前了解德科斯米尔在沈阳的业务，特别是汽车线束和内饰生产工艺，以便在面试中结合AI应用场景
- 确认实际工作内容与JD描述的一致性，可在面试中主动询问AI与工业工程的结合点
- 突出至少2个完整AI项目的算法设计、开发和落地经验，强调具体业务效果
- 重点展示大模型相关项目（如RAG、Agent、微调）以及使用的工具（LangChain、vLLM等）
- 强调Python编程能力、数学基础以及数据处理经验
- 如有工业工程或制造业背景，可额外突出，以匹配职位标题
- 如果对大模型部署不熟悉，可快速学习vLLM、Ollama等推理框架的基础使用
- 补充Prompt Engineering和LangChain的实战练习
面试指南
- 项目介绍可遵循STAR法则：背景、任务、行动、结果，突出个人贡献和技术难点
- 技术原理问题先讲核心概念，再结合实践经验，最后提到优化方向
- 对于职位定位，先展示对公司的了解，再结合自身技能表达匹配度
- 请详细介绍一个你主导的机器学习或大模型项目，包括技术选型和业务效果
- 谈谈你对RAG的理解，以及如何优化检索质量和生成准确性
- 如何在大模型推理中降低延迟和提高吞吐量？你使用过哪些框架？
- 你如何处理数据清洗和特征工程？请举例说明
- 你如何理解这个职位在德科斯米尔的定位？AI如何赋能汽车制造？
职位点评
薪资福利60
成长发展85
工作生活50
使命价值65
薪资福利
60中等
JD未明确薪资和福利，但外资企业通常提供五险一金等保障；薪资在沈阳地区有竞争力，但未披露具体数额。
薪资信号未披露（AI估算：15K-25K/月）
成长发展
85较高
职位涉及机器学习、大模型等前沿技术，能够深度参与AI模型开发与落地，成长空间大。
技术前沿前沿/新兴技术
技术栈Python、TensorFlow、PyTorch、NLP、LLM、LangChain、RAG
业务类型ambiguous
工作生活
50较低
要求现场办公，地点在沈阳，未提及弹性工作或远程；制造业工厂环境可能加班较多，但无明确信号。
工作模式仅现场办公
办公地点工厂/生产基地
加班情况未提及（无法判断）
使命价值
65中等
汽车行业智能化转型，AI应用具有实际价值，但公司使命未突出社会价值，行业稳定。
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