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
沈阳市
中级经验
全职员工
仅现场办公
本科
机器学习工程
Llm
Mindspore
Nlp
Pytorch
Rag
Scikit-Learn
Tensorflow
Vllm
机器学习
AI 估算 · 15k–25k
沈阳AI算法岗，3年以上经验，跨国车企，薪资在沈阳有竞争力，但低于一线城市同类岗位。
职位详情
关于这个职位
这是一个面向工业场景的AI算法工程师岗位，主要负责机器学习、深度学习及大语言模型（LLM）的算法设计与开发，构建定制化AI解决方案
你将参与从数据挖掘、模型训练到部署的完整生命周期，并探索大模型在对话、知识图谱、推荐等企业级应用
工作地点在沈阳，要求3年以上经验，需要良好的数学基础和Python编程能力
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
- 前沿技术方向，涉及LLM、RAG、Agent等热门领域，技术成长空间大
- 跨国企业平台，流程规范，有内部培训和国际交流机会
- 沈阳生活成本较低，薪资在该地区具有竞争力
- 工作内容可能涉及生产工艺优化，需要跨领域理解工业场景
- 适合有3年以上AI经验、热爱算法研究并希望将大模型技术落地到工业场景的工程师
缺点 / 挑战
- 岗位要求较高，需同时掌握传统机器学习和深度学习以及大模型技术
- 作为外资企业，英语工作能力是硬性要求，沟通成本较高
角色解读
- 可向AI算法专家或大模型技术专家方向发展，深耕工业场景AI应用
- 有机会转向技术管理岗位，负责子项目或团队协调
- 在跨国企业中有机会参与国际培训和多地协作，拓展职业视野
- 负责AI算法（机器学习、深度学习、NLP）的设计与开发，构建定制化解决方案
- 深入探索大语言模型（LLM）在对话系统、知识图谱、智能推荐等场景的应用，并推动落地
- 参与模型全生命周期管理，包括训练、调优、部署及推理性能优化
- 作为专业领域联络人，负责内部协作、培训及流程优化
- 扎实的数学基础（线性代数、概率统计、最优化）和Python编程能力
- 精通至少一种深度学习框架（TensorFlow/PyTorch/MindSpore）
- 熟悉大模型相关技术栈（LangChain、RAG、vLLM、量化蒸馏等）
- 具备独立完成AI项目开发和落地的经验
申请策略
- 申请时，可针对德科斯米尔的汽车行业背景，强调AI在智能制造或供应链优化中的应用理解
- 准备好英语面试，因为英语是工作语言
- 突出2个以上完整AI项目的算法设计、开发与落地经验
- 展示大模型相关项目（如LLM应用、RAG、Prompt Engineering）的实践细节
- 强调Python和深度学习框架的熟练程度，以及数学基础
- 体现英语工作能力，如有相关证书或英文项目经验可加分
- 补充学习LangChain、LlamaIndex等大模型工具链和RAG、Agent技术
- 熟悉vLLM、Ollama等推理框架及模型轻量化技术（量化、蒸馏）
面试指南
- 对于项目经验类问题，采用STAR法则（情境-任务-行动-结果），突出个人贡献和量化成果
- 对于技术方案类问题，先拆解需求，再结合具体技术栈给出流程图，并说明备选方案和取舍
- 对于行业应用类问题，表现对行业痛点的理解，并结合自身经验提出可落地的思路
- 请详细介绍一个你主导的AI项目，包括算法选型、数据处理和最终效果
- 你如何设计一个基于LLM的问答系统？请说明RAG的实现思路
- 在模型部署时，你如何平衡推理延迟和效果？有哪些优化手段？
- 如何评估一个机器学习模型在工业场景中的实际价值？
- 你如何看待大模型在传统制造业中的应用前景？
职位点评
65
综合评分
前沿AI技术岗位，发展空间大，但现场办公且要求英语。
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
最适合重视技术成长和前沿AI应用的求职者，愿意在稳定跨国企业深耕。
表现最好
成长发展
相对薄弱
工作生活
薪资福利60
成长发展88
工作生活40
使命价值65
薪资福利
60中等
JD未明确薪资和福利，但作为跨国企业，薪资福利通常较规范；沈阳生活费较低，薪酬性价比尚可。
薪资信号未披露（AI估算：15K-25K/月）
成长发展
88较高
职位涉及前沿的大模型技术和完整的AI项目生命周期，提供内部培训和国际交流，发展性极强。
技术前沿前沿/新兴技术
技术栈Python、TensorFlow、PyTorch、MindSpore、LLM、LangChain、RAG、vLLM、NLP
成长机会内部培训、国际培训、持续教育
业务类型ambiguous
工作生活
40较低
仅现场办公，未提及弹性工作或远程；沈阳通勤压力较小，但工作强度未明确，可能较忙。
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
汽车行业稳定成熟，但职位偏向技术实现，社会价值中等；在智能制造背景下有一定意义感。
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