德科斯米尔
Industrial Engineering ES
Industrial Engineering ES
发布于 大约 16 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
Tensorflow
工业工程
机器学习
深度学习
生产工艺
AI 估算 · 20k–35k
职位详情
关于这个职位
这是一个在德科斯米尔沈阳工厂的工业工程专家岗位，核心职责是规划和实现新产品及现有产品的生产工艺
该职位同时涉及AI算法开发，需要运用机器学习和深度学习技术优化生产流程，并推动大模型技术在工业场景的落地
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
- 职位结合了工业工程和AI技术，处于智能制造的前沿领域，技能积累价值高
- 德科斯米尔是跨国巨头企业，平台稳定，能提供国际化的工作环境和视野
- 工作内容涉及大模型等新兴技术，有较多实践和探索机会，职业前景广阔
- 职位要求复合型技能，需要同时具备工业工程和AI算法知识，学习曲线陡峭
- 工作地点在沈阳，相比一线城市，AI技术交流和机会可能相对较少
- 适合具备AI算法背景，对工业应用场景感兴趣，并希望在跨国企业平台发展的技术型人才
缺点 / 挑战
- 作为跨国企业，可能面临跨文化沟通和协作的挑战
角色解读
- 可以成长为工业AI领域的专家，专注于生产流程优化和智能制造
- 可以晋升为技术团队负责人或项目经理，带领团队完成复杂项目
- 可以跨部门发展，成为连接业务和技术的桥梁，推动企业数字化转型
- 负责规划和实现新产品及现有产品的生产工艺，将AI技术应用于生产流程优化
- 设计和开发机器学习、深度学习及NLP算法，构建定制化AI解决方案
- 探索和落地LLM在对话系统、知识图谱、内容生成等企业级场景的应用
- 管理AI模型从训练到部署的全生命周期，并参与内部技术培训和标准制定
- 扎实的数学基础，精通Python，熟悉Pandas、Scikit-learn等数据处理工具
- 熟练掌握TensorFlow、PyTorch等至少一种深度学习框架
- 具备大模型应用开发经验，熟悉LangChain、vLLM等推理框架和模型轻量化技术
- 英语可作为工作语言，具备良好的沟通和项目管理能力
申请策略
- 在求职信中表达对汽车行业和智能制造的兴趣，并说明如何将AI技术应用于生产优化
- 了解德科斯米尔的产品线和业务，在面试中展示对公司的研究和热情
- 突出AI项目经验，特别是完整参与算法设计、开发和落地的项目
- 强调在工业或制造业领域的应用案例，展示将AI技术与业务结合的能力
- 详细描述大模型（LLM）相关项目，如RAG、Agent、微调等，体现技术深度
- 展示英语能力，尤其是作为工作语言进行沟通和汇报的经验
- 补充工业工程相关知识，如生产工艺、精益生产等，以更好地理解业务场景
- 深入学习大模型应用技术栈，如LangChain、vLLM、Ollama等工具
面试指南
- 回答项目经验时，可以采用STAR法则（情境、任务、行动、结果），突出个人贡献和量化成果
- 回答技术应用问题时，先阐述业务痛点，再说明技术方案，最后强调效果和价值
- 回答英语问题时，保持逻辑清晰，使用简洁的句子，重点在于表达清楚
- 请详细描述一个你主导的AI项目，从需求分析到最终落地的完整过程
- 你如何将机器学习或大模型技术应用于工业场景？请举例说明
- 在优化LLM推理性能时，你用过哪些技术？如何权衡延迟和吞吐量？
- 你如何理解工业工程与AI结合的价值？
- 请用英语介绍一个你最近关注的技术趋势
职位点评
68
综合评分
跨国企业、前沿AI技术、工业应用场景，薪资不错但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
该职位最适合追求技术成长和职业发展，对工作地点灵活性要求不高的求职者。
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90
工作生活40
使命价值60
薪资福利
70中等
该职位为跨国巨头企业，薪资水平在沈阳地区具有竞争力，但具体薪资未在JD中披露。
薪资信号未披露（AI估算：20K-35K/月）
成长发展
90较高
该职位处于AI与工业工程交叉的前沿领域，涉及大模型等新兴技术，能提供极佳的技术成长空间。
技术前沿前沿/新兴技术
技术栈机器学习、深度学习、NLP、LLM、LangChain、RAG、Agent、vLLM、Ollama、TGI
成长机会持续教育需求、内部及外部培训
业务类型ambiguous
工作生活
40较低
职位要求现场办公，工作地点在沈阳，未提及弹性工作安排，WLB信号不明。
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
60中等
汽车行业是稳定成熟的行业，但该职位专注于内部生产流程优化，社会影响力相对中性。
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