德科斯米尔
Industrial Engineering ES
Industrial Engineering ES
发布于 1 天前普通员工/个人贡献者
沈阳市
中级经验
全职员工
仅现场办公
本科
研究与开发 (研发)
机器学习
深度学习
PyTorch
RAG
自然语言处理
TensorFlow
LLM
模型部署
AI 估算 · 15k–25k
沈阳AI算法岗位，本科3年经验，跨国企业，薪资处于当地中高水平，市场竞争力较强。
职位详情
关于这个职位
该职位主要负责AI算法与大规模语言模型（LLM）在工业场景的应用开发，包括算法设计、模型训练与优化，以及LLM在对话系统、知识图谱等领域的落地
作为德科斯米尔沈阳工厂的工业工程专家，你将参与从数据处理到模型部署的全生命周期管理，并承担内部培训与标准制定工作
适合具备3年以上AI经验、熟悉Python和深度学习框架的技术人才
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
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
- 技术前沿：参与LLM、RAG等最新AI技术落地，积累稀缺的大模型实战经验
- 平台稳定：德科斯米尔作为全球汽车零部件巨头，提供稳定的职业发展环境与资源支持
- 多元职责：工作涵盖算法研发、项目管理、培训与标准制定，适合复合型人才
- 地域优势：沈阳生活成本较低，薪资在当地具有竞争力，工作与生活容易平衡
- 技术迭代快：需要持续学习新工具和框架，保持技术敏感度
- 适合3年以上AI经验、热爱技术钻研、愿意在制造业场景中落地前沿算法的工程师
- 同时具备一定项目管理兴趣，希望在稳定平台上获得长期发展
缺点 / 挑战
- 跨部门协作：需与内部及全球团队沟通，对沟通能力要求较高
- 职责范围广：兼顾研发、管理、培训等多重角色，可能面临时间管理压力
角色解读
- 技术路线：从AI算法工程师发展为高级算法专家、首席科学家，深耕机器学习或NLP领域
- 管理路线：在项目中积累管理经验，晋升为技术团队负责人或研发经理
- 跨领域发展：结合工业工程背景，向智能制造、工业4.0方向转型，成为行业解决方案专家
- 设计并开发机器学习、深度学习及NLP算法，构建定制化AI解决方案，用于优化生产工艺
- 探索大语言模型（LLM）在对话系统、知识图谱等场景的应用，推动技术落地
- 负责AI模型从训练、调优到部署的全生命周期管理，确保生产环境稳定高效
- 承担内部培训与标准制定工作，作为技术专家参与跨部门协作
- 扎实的数学基础，精通Python及Pandas、Scikit-learn等数据处理工具
- 熟练使用TensorFlow、PyTorch等深度学习框架，具备独立完成算法项目的能力
- 熟悉LLM相关技术栈，如LangChain、RAG、模型轻量化（量化、蒸馏）等
- 英语流利，可作为工作语言，能够进行技术文档编写与国际化交流
申请策略
- 关注德科斯米尔在智能制造和汽车电气化方面的业务方向，在面试中展示你对行业趋势的理解
- 准备一个完整的AI项目案例，包括问题定义、技术选型、模型评估与部署，体现端到端能力
- 突出AI项目经验：详细描述至少2个独立主导或完整参与的算法项目，重点说明你的角色、技术栈及业务效果
- 强调LLM相关经历：如有大模型微调、RAG、Prompt Engineering等实践，务必重点展示
- 展示英语能力：体现英语工作环境下的沟通和文档写作能力，如国际项目合作或英文论文
- 体现工业背景：如果之前有制造业或工业项目经验，强调算法在工业场景的应用价值
- 如果尚未精通，可系统学习LangChain、LlamaIndex、vLLM等大模型工具链
- 补充模型轻量化技术（量化、蒸馏）和推理优化框架（如TGI、Ollama）的实战练习
面试指南
- 用STAR法则（情境、任务、行动、结果）结构化回答项目类问题，突出个人贡献与量化成果
- 对于技术原理问题，先给出核心概念定义，然后结合自身经验解释应用场景和优缺点
- 对于场景题，展示思考过程，先拆解问题，再提出多种方案并权衡利弊
- 请详细描述你独立主导的一个机器学习项目，包括数据准备、模型选型、调优和部署过程
- 你对大语言模型（LLM）的微调和RAG技术有什么理解？请举例说明
- 在模型部署时，你如何平衡模型精度和推理速度？请介绍常用的优化方法
- 你如何与业务部门沟通，将算法需求转化为技术方案？
- 请解释一下Transformer架构的原理，以及它在NLP中的优势
职位点评
74
综合评分
前沿AI技术、高成长性、稳定外资平台，现场办公但生活成本低。
更适合这类人
最适合重视技术成长和职业发展、愿意在稳定平台上深耕前沿AI技术的求职者。
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60
使命价值70
薪资福利
75中等
该职位薪资在沈阳当地具有较强竞争力，并享有跨国企业的稳定福利，但JD未明确提及具体薪资数字或福利细节。
薪资信号未披露（AI估算：15K-25K/月）
成长发展
90较高
职位涉及LLM、RAG等前沿技术，提供内部培训机会和国际协作平台，技术成长空间大。明确要求参与培训与标准制定，有持续学习与发展的环境。
技术前沿前沿/新兴技术
技术栈LLM、RAG、LangChain、PyTorch、TensorFlow、vLLM、Ollama、TGI
成长机会培训、内部工作组、内部培训、继续教育
业务类型profit_center
工作生活
60中等
工作地点在沈阳，生活成本较低，但JD未明确提及弹性办公或远程工作，可能需现场办公。工作职责较重，可能有项目压力。
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
70中等
汽车行业属于稳定成熟行业，AI在工业场景的应用有积极社会价值，但职位本身偏技术实现，使命感相对中性。
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