德科斯米尔
Industrial Engineering ES
Industrial Engineering ES
发布于 大约 24 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
Llm
Nlp
Prompt Engineering
Pytorch
Rag
Tensorflow
机器学习
深度学习
AI 估算 · 20k–35k
AI算法工程师，3年以上经验，沈阳外企，月薪20-35K，13薪，技术壁垒较高，市场竞争力强。
职位详情
关于这个职位
该职位专注于AI算法与大规模语言模型（LLM）的研发与落地，负责从数据挖掘、模型训练到推理部署的全流程工作
你将参与机器学习、深度学习及NLP项目，利用Python、PyTorch等工具构建企业级AI应用，并探索LLM在对话系统、知识图谱等场景中的实践
适合有3年以上AI经验、热爱技术创新的工程师
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
至少3年AI算法研发或大模型应用开发经验
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、NLP等领域的算法设计与开发，构建定制化AI解决方案
独立完成数据挖掘、特征工程、模型训练与调优工作
探索LLM在对话系统、知识图谱、内容生成、智能推荐等场景的应用
设计实现Prompt Engineering方案，结合LangChain、Llama Index等工具构建LLM应用系统
熟悉数据处理技术及工具，完成数据聚类分布等支撑LLM微调数据集
优化LLM推理流程，利用vLLM、Ollama、TGI等框架提升性能
参与大模型继续预训练、微调、RAG、Agent适配等工作
管理AI模型全生命周期，从训练到部署确保稳定性
担任专业领域内部及外部联络人，参与工作组协作
编制内部文件并按需内部汇报
识别持续教育需求，规划并实施培训
协助制定并优化内部标准与流程
观察专业领域趋势，制定方案并提出行动建议
开展概念性工作，管理、控制并协调子项目
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
- 专注于前沿AI技术（LLM、RAG、Agent），技术成长快
- 外企平台，流程规范，有内部培训和跨国际协作机会
- 沈阳生活成本较低，薪资竞争力强
- 工作内容偏向工程落地，需要处理大量数据与模型调优细节
- 需同时掌握传统机器学习与LLM技术栈，学习曲线陡峭
- 适合具备3年以上AI开发经验、对LLM技术充满热情、善于解决实际问题并愿意在制造业场景中探索AI应用的工程师
缺点 / 挑战
- 外企环境中英文沟通要求较高
角色解读
- 纵向发展为AI算法专家或技术负责人，主导更大规模的项目
- 横向拓展至数据科学家或AI架构师，负责整体AI战略
- 可向管理层转型，带领团队并推动企业AI转型
- 设计并开发机器学习、深度学习及NLP算法，构建针对业务场景的AI解决方案
- 负责LLM相关任务，包括预训练、微调、RAG、Agent适配，以及推理优化
- 管理AI模型全生命周期，从数据清洗、特征工程到模型部署与性能监控
- 协调子项目，制定内部标准与流程，并担任技术联络人
- 扎实的数学基础（线性代数、概率统计、最优化）和编程能力（Python）
- 熟练掌握深度学习框架（PyTorch、TensorFlow等）及数据处理工具（Pandas、Scikit-learn）
- 具备LLM应用开发经验，熟悉LangChain、vLLM等工具链
- 英语可作为工作语言，能够进行跨部门协作与培训
申请策略
- 准备英文面试，练习用英语讲解技术方案
- 关注汽车行业AI应用趋势，在面试中展示对工业场景的理解
- 突出AI项目经验，尤其是独立主导的项目，详细描述算法设计、调优和部署成果
- 强调LLM相关经验，如微调、RAG、Agent构建，并量化性能提升（如准确率、延迟）
- 展示技术栈深度：Python、PyTorch、TensorFlow、LangChain等
- 若缺乏LLM经验，可先学习LangChain、vLLM等工具，并动手实现一个对话系统
- 加强数学基础，特别是概率统计和优化理论，可复习相关课程
面试指南
- STAR法则：描述情境、任务、行动和结果
- 技术问题：先阐明基本原理，再结合项目经验给出具体方案，最后总结效果
- 行为问题：强调沟通、协调和主动性，举例说明
- 请详细描述一个你主导的AI项目，包括数据准备、模型选择和部署
- 你对LLM微调有什么经验？如何选择微调策略？
- 如何优化LLM推理速度？用过哪些框架？
- 如何处理不平衡数据集？请举例说明
- 你在团队中如何协调跨部门合作？
职位点评
71
综合评分
外企AI岗，前沿技术，薪资较高，但工作地点固定，生活平衡一般。
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、对前沿AI有热情、愿意在传统行业中推动创新的求职者。
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85
工作生活50
使命价值60
薪资福利
75中等
薪资处于市场较高水平，外企福利相对完善，但未明确提及年终奖或额外补贴，评分中等偏上。
薪资信号偏高 (20K-35K/月)
成长发展
85较高
职位涉及前沿AI技术（LLM、RAG），有内部培训和外部培训机会，技术成长空间大。
技术前沿前沿/新兴技术
技术栈机器学习、深度学习、NLP、LLM、LangChain、vLLM、RAG
成长机会内部培训、外部培训
业务类型ambiguous
工作生活
50较低
仅现场办公，沈阳工厂位置可能偏远，未提及弹性工作，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
60中等
汽车行业稳定，AI应用推动产业升级，有一定社会价值，但并非直接造福社会。
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