德科斯米尔
Industrial Engineering ES
Industrial Engineering ES
发布于 大约 6 小时前普通员工/个人贡献者
沈阳市
高级经验
全职员工
仅现场办公
本科
工业工程
Llm
Nlp
Pytorch
Rag
Tensorflow
工业工程
机器学习
深度学习
AI 估算 · 20k–35k
AI算法工程师在沈阳属于高薪岗位，结合外资企业背景和3年经验要求，月薪在2-3.5万之间，年终奖1-2个月。
职位详情
关于这个职位
该职位是德科斯米尔（DRAEXLMAIER）在沈阳的工业工程专家岗位，主要负责生产工艺的规划与实现，同时深度参与AI算法开发，包括机器学习、深度学习、NLP及大语言模型（LLM）的应用落地
你将负责从数据挖掘、模型训练到部署的全流程，并参与企业级AI应用系统的构建，如基于LangChain的LLM应用
该岗位要求扎实的数学和编程基础，以及至少3年的AI算法开发经验，适合希望在汽车行业应用前沿AI技术的人才
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
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
计划和实现现有产品和新产品的生产工艺
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
- 跨国企业平台，技术应用场景丰富，能接触汽车行业的实际生产流程
- 岗位涉及前沿AI技术（LLM、RAG），技能积累价值高
- 公司规模大，稳定性好，提供内部培训和国际交流机会
- 工作内容跨度大，需同时兼顾工业工程和AI算法，要求综合能力
- 大模型技术迭代快，需要持续学习和适应
- 适合具备AI算法背景，对工业场景感兴趣，且愿意在跨国企业环境中发展的工程师
缺点 / 挑战
- 可能面临跨部门协作和项目管理的压力
角色解读
- 在汽车行业积累AI落地经验，可向AI技术专家或工业工程数字化方向深耕
- 有机会参与国际项目，提升跨文化沟通和项目管理能力
- 随着大模型技术发展，可成为企业级AI解决方案架构师
- 负责生产工艺的规划与实现，同时主导AI算法开发，包括机器学习、深度学习、NLP等模型的构建与优化
- 探索并落地大语言模型（LLM）应用，如对话系统、知识图谱、智能推荐，并构建基于LangChain的企业级AI应用
- 管理AI模型全生命周期，从训练、调优到部署，确保生产环境的稳定性和性能
- 作为专业领域联络人，参与内部协作、培训及标准制定
- 精通Python，熟悉Pandas、Scikit-learn等数据处理工具
- 扎实的数学基础，包括线性代数、概率统计和优化理论
- 熟练掌握至少一种深度学习框架（TensorFlow、PyTorch、MindSpore）
- 具备大模型应用开发经验，熟悉RAG、Agent、模型微调和推理优化
申请策略
- 了解德科斯米尔在汽车行业的产品线，在面试中体现对汽车制造流程的理解
- 准备展示AI技术在工业场景落地的案例
- 突出AI项目经验，特别是大模型应用、RAG、微调等具体案例
- 强调Python编程和深度学习框架的熟练度
- 展示数学基础和数据处理能力
- 如有工业工程背景，需突出与生产流程结合的经验
- 补充LangChain、LlamaIndex等大模型应用工具的使用经验
- 学习模型量化、蒸馏等轻量化技术
面试指南
- 使用STAR法则（情境、任务、行动、结果）回答项目经验问题
- 对于技术问题，先阐述原理，再结合实践案例说明
- 展示对业务场景的理解，强调AI技术如何解决实际问题
- 请描述一个你主导的AI项目，从需求到落地的过程
- 如何优化LLM推理性能？你使用过哪些框架？
- 如何将机器学习应用于工业工程中的生产优化？
- 你如何设计一个RAG系统来提升垂直领域问答准确性？
- 你如何处理数据不平衡问题？
职位点评
71
综合评分
跨国汽车企业，AI技术前沿，成长空间大，但工作地点固定，WLB一般。
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
适合追求技术成长、对AI在工业场景应用感兴趣，且能接受现场办公的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利70
成长发展85
工作生活50
使命价值75
薪资福利
70中等
薪资水平在沈阳属于较高水平，但具体薪资未披露，福利信息不明确。
薪资信号未披露（AI估算：20K-35K/月）
成长发展
85较高
岗位涉及前沿AI技术（LLM、RAG），提供内部培训机会，成长空间大。
技术前沿前沿/新兴技术
技术栈机器学习、深度学习、NLP、LLM、RAG、LangChain、PyTorch、TensorFlow
成长机会继续教育需求、内部及外部培训
业务类型ambiguous
工作生活
50较低
工作地点在沈阳，现场办公，未提及弹性工作或远程，可能面临加班。
工作模式仅现场办公
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
75中等
汽车行业稳定，AI技术应用能提升生产效率和产品创新，具有一定社会价值。
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
Watch Jobs