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
软件工程
机器学习
深度学习
NLP
数据挖掘
PyTorch
TensorFlow
LLM
大语言模型
vLLM
AI 估算 · 15k–25k
3年AI经验，沈阳外资企业，技术栈前沿，薪资处于当地中上水平。
职位详情
关于这个职位
该职位是德科斯米尔在沈阳的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，构建面向业务场景的定制化AI解决方案
你将参与从数据挖掘、模型训练到部署的全流程，并探索LLM在对话系统、知识图谱等领域的应用，推动大模型技术在企业级场景落地
适合有3年以上AI经验、精通Python和深度学习框架、希望在外企环境中深入技术研发的求职者
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，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
- 接触前沿AI技术（LLM、RAG、Agent），技术成长快
- 外企环境，注重培训和国际交流，有利于职业发展
- 工作内容涉及工业场景，应用价值高，稳定性好
- 职位要求技术栈广泛，需要持续学习
- 沈阳作为二线城市，AI领域机会相对较少，长期发展可能受限
- 职责包含管理和培训，需要平衡技术与协调工作
缺点 / 挑战
- 适合热爱AI技术、有3年以上经验、希望在外企环境下深入研发并接受挑战的求职者
角色解读
- 可向资深AI算法专家或技术负责人方向发展
- 可转型为AI架构师，负责企业级AI系统设计
- 也可横向扩展至工业工程与AI融合方向，成为复合型人才
- 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
- 进行数据挖掘、特征工程、模型训练与调优，提升模型性能
- 探索大语言模型在对话系统、知识图谱等场景的应用，推动落地
- 管理AI模型从训练到部署的全生命周期，优化推理流程
- 精通Python及数据处理工具（Pandas、Scikit-learn）
- 熟练掌握至少一种深度学习框架（TensorFlow、PyTorch等）
- 深入理解机器学习、深度学习、NLP和大模型技术
- 具备独立主导AI项目的能力，英语可作为工作语言
申请策略
- 了解德科斯米尔的业务方向（汽车线束、内饰），思考AI如何应用于工业场景
- 准备一个完整的AI项目案例，从数据到部署，展示全流程能力
- 突出AI算法项目经验，尤其是主导或全程参与的项目
- 强调大模型相关经验（LLM、RAG、Agent等）
- 展示Python、深度学习框架等技能，可附GitHub链接
- 提及英语能力，可用英语描述项目
- 补充大模型推理优化（vLLM、量化、蒸馏）知识
- 熟悉LangChain、LlamaIndex等工具使用
面试指南
- 回答项目问题使用STAR法则：情境、任务、行动、结果
- 技术问题先阐述理论基础，再给出实践方案，最后总结
- 对开放性问题，结构化回答：先分类，再举例，最后总结
- 请介绍一个你主导的AI项目，包括数据、模型、挑战和结果
- 大语言模型在工业场景中可能有哪些应用？如何落地？
- 如何优化LLM推理性能？请举例说明
- 你如何处理数据不平衡问题？
- 英语：Describe your experience with large language models.
职位点评
68
综合评分
外企AI算法岗，技术前沿，薪资当地中上，需现场办公。
更适合这类人
最适合追求技术成长和职业发展的求职者，对工作生活平衡期望不高。
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65
薪资福利
70中等
薪资估算位于沈阳中上水平，但JD未提及具体福利，整体满足度中等。
薪资信号未披露（AI估算：15K-25K/月）
成长发展
85较高
技术栈前沿（LLM、深度学习），有培训和国际交流机会，成长性强。
技术前沿前沿/新兴技术
技术栈Python、PyTorch、TensorFlow、机器学习、深度学习、NLP、LLM、LangChain、vLLM
成长机会继续教育、培训
业务类型ambiguous
工作生活
50较低
要求现场办公，未提及弹性工作或WLB，且可能涉及培训出差，生活平衡一般。
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
65中等
汽车行业稳定，AI技术有社会价值，但职位本身使命信号不明显。
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