德科斯米尔
Industrial Engineering ES
Industrial Engineering ES
发布于 大约 18 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
研究与开发 (研发)
机器学习
深度学习
PyTorch
数据处理
RAG
TensorFlow
大模型(Llm)
自然语言处理(Nlp)
AI 估算 · 18k–28k
AI算法工程师在沈阳属于稀缺人才，大模型方向薪资较高，结合3年经验和跨国公司背景，提供具有竞争力的薪酬。
职位详情
关于这个职位
这是一个工业工程与AI算法相结合的职位，主要负责利用机器学习、深度学习和自然语言处理等技术，为汽车零部件生产设计并开发智能解决方案
您将参与大模型在企业场景的落地，优化生产流程，提升效率，该岗位兼具技术深度与工业应用价值
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
- 前沿技术：深度参与大模型、RAG、Agent等热门技术落地，技能成长迅速
- 行业前景：汽车工业智能化是长期趋势，岗位稳定性与增长空间兼备
- 国际平台：在跨国公司工作，有机会接触全球项目，英语工作环境提升竞争力
- 全面技能：涵盖算法、工程、项目管理与培训，职业发展路径多元
- 技术更新快：需持续学习最新AI模型与框架，保持知识领先
- 责任范围广：除算法开发外还需承担内部培训、标准制定等非技术工作
- 工业场景复杂度：需将通用AI技术适配到制造现场，解决实际工程问题
缺点 / 挑战
- 适合具有扎实AI算法基础、热爱技术并希望在工业场景中应用大模型技术的工程师，能适应多任务、承担技术落地的挑战
角色解读
- 技术路线：从算法工程师发展为高级算法专家、技术负责人，深入大模型与工业AI领域
- 管理路线：可转向技术管理岗位，担任AI团队负责人或项目管理者
- 行业深耕：在汽车工业智能化领域积累经验，成为行业解决方案专家
- 设计和开发机器学习、深度学习及NLP算法，为汽车零部件生产构建定制化AI解决方案
- 负责从数据挖掘、特征工程到模型训练、调优的完整流程，提升模型性能
- 探索并落地大语言模型在对话系统、知识图谱等场景的应用，推动企业级AI技术实施
- 管理AI模型全生命周期，包括训练、部署与优化，并参与内部培训与标准制定
- 扎实的数学基础，包括线性代数、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
- 熟练掌握至少一种深度学习框架（如PyTorch、TensorFlow、MindSpore）
- 至少3年AI算法或大模型开发经验，独立主导过至少2个AI项目
申请策略
- 面试中准备一个端到端的AI项目案例，重点说明在工业场景中遇到的挑战及解决方案
- 了解德科斯米尔的主营业务（线束系统、内饰），思考AI可以如何提升生产效率
- 突出至少2个完整的AI项目经验，描述你主导的算法设计、开发与落地过程
- 强调大模型相关经验，如LLM微调、RAG、Agent开发等，附上具体成果
- 展示编程能力：Python、深度学习框架使用熟练度，以及数据处理工具的应用
- 如有英文技术文档或演讲经历，可作为加分项
- 补充LangChain、LlamaIndex等大模型应用工具链的实际使用经验
- 学习模型轻量化技术如量化、蒸馏，以及推理框架vLLM等
面试指南
- 对于经验类问题，使用STAR法则（情境-任务-行动-结果）结构化描述项目
- 对于技术原理问题，先给定义，再讲优势与局限性，最后结合具体应用场景
- 对于工业场景问题，强调对真实数据的预处理、模型鲁棒性以及与现有IT/OT系统的集成
- 请详细介绍一个您参与的大模型微调项目，包括使用的技术、数据集和最终效果
- 如何优化LLM推理性能？请谈谈您对量化、蒸馏技术的理解
- 在工业场景中应用AI时，您会如何处理数据稀缺或噪声问题？
- 请解释RAG的工作原理以及在实际系统中的设计考量
- 如何将一个AI模型从实验室部署到生产环境？需要哪些步骤？
职位点评
68
综合评分
前沿AI技术、大公司平台、沈阳工作，技术成长性高但WLB一般。
更适合这类人
最适合追求技术成长和前沿领域的求职者，愿意在固定地点办公并接受一定工作强度。
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40
使命价值65
薪资福利
75中等
该职位薪资处于沈阳较高水平，且公司为跨国巨头稳定性强，但未明确福利细节，整体补偿动机良好。
薪资信号未披露（AI估算：18K-28K/月）
成长发展
90较高
技术栈前沿，涉及大模型、RAG等新兴技术，且有明确培训与项目参与机会，发展空间大。
技术前沿前沿/新兴技术
技术栈机器学习、深度学习、NLP、大模型、LLM、RAG、Agent、Python、PyTorch、TensorFlow、LangChain、vLLM、Ollama
成长机会培训、教育需求、内部培训
业务类型profit_center
工作生活
40较低
工作地点固定为沈阳，仅现场办公，未提及弹性工时或WLB，可能因项目需要而有一定压力。
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
65中等
汽车工业智能化具有一定的社会价值，但职位描述未突出使命导向，行业成熟稳定，创新性较强。
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