德科斯米尔
Industrial Engineering ES
Industrial Engineering ES
发布于 大约 20 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
研究与开发 (研发)
Llamaindex
Llm
Nlp
Pytorch
Rag
Tensorflow
机器学习
深度学习
AI 估算 · 15k–25k
沈阳AI算法工程师3-5年经验，外资巨头，薪资中上，月薪约15k-25k
职位详情
关于这个职位
该职位是德科斯米尔（汽车零部件巨头）的AI算法工程师，专注于机器学习、深度学习、自然语言处理和大语言模型（LLM）的算法设计与开发
你将负责从数据挖掘、特征工程到模型训练、调优及部署的全流程，并探索LLM在对话系统、知识图谱等场景的企业级落地
团队氛围专业，提供内部培训与跨国协作机会
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、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
- 接触前沿的大模型技术（LLM、RAG、Agent），紧跟行业趋势
- 外资巨头平台，提供国际化协作与培训机会
- 岗位职责覆盖算法全流程，技能积累全面
- 沈阳生活成本低，薪资在当地具有竞争力
- 技术栈更新快，需要持续学习，保持竞争力
- 可能涉及跨部门协调与内部培训，对沟通能力要求高
- AI项目从研发到落地周期长，需应对不确定性
- 适合有3年以上AI开发经验、热爱技术、渴望在大模型领域深耕的工程师
- 愿意在二线城市发展、追求工作生活平衡者尤为适合
缺点 / 挑战
暂无明显挑战项
角色解读
- 从算法工程师向高级算法专家或技术负责人发展
- 深入大模型领域，成为企业级AI架构师
- 横向扩展至项目管理或团队管理岗位
- 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
- 独立进行数据挖掘、特征工程、模型训练与调优，提升模型性能
- 探索LLM在对话系统、知识图谱等场景的应用，推动企业级落地
- 管理AI模型全生命周期，从训练到部署，并优化推理流程
- 扎实的数学基础（线性代数、概率统计、最优化）
- 精通Python及至少一种深度学习框架（TensorFlow/PyTorch）
- 熟悉LLM相关技术（LangChain、RAG、模型微调、量化蒸馏）
- 具备独立主导AI项目的能力，以及英语工作沟通能力
申请策略
- 申请时展示对汽车行业AI应用的思考，体现业务理解
- 关注德科斯米尔的文化与创新方向，面试中体现热情
- 突出AI项目的完整经历，包括算法设计、开发、部署细节
- 强调大模型相关经验（如LLM微调、RAG、LangChain）
- 展示数学基础与编程能力（Python、深度学习框架）
- 提及英语能力与跨团队协作经验
- 若缺少LLM经验，可提前学习Hugging Face、LangChain等工具
- 强化模型量化、蒸馏等轻量化技术
面试指南
- 用STAR法则描述项目：情境、任务、行动、结果，突出个人贡献
- 技术问题先讲核心概念，再结合实践经验，最后总结优化方向
- 设计题要结构化：明确需求→选型→迭代→评估
- 请介绍一个你主导的AI项目，包括技术选型、挑战和成果
- 如何对一个大模型进行微调？你使用过哪些技术？
- 解释一下RAG的工作原理及其优缺点
- 如何优化LLM推理性能？你熟悉哪些框架？
- 面对一个业务场景，你如何设计AI解决方案？
职位点评
71
综合评分
外资AI算法岗，前沿技术栈，发展空间大，但WLB与意义感一般。
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
最适合追求技术成长与前沿经验的求职者，对薪资福利和WLB要求中等。
表现最好
成长发展
相对薄弱
使命价值
薪资福利70
成长发展90
工作生活60
使命价值50
薪资福利
70中等
外资巨头，薪资在沈阳有竞争力，福利可能较完善，但未明确提及年终奖等；整体补偿性中等偏上。
薪资信号未披露（AI估算：15K-25K/月）
成长发展
90较高
岗位涉及前沿LLM技术，有内部培训与跨国协作机会，成长信号强，发展性动机满足度高。
技术前沿前沿/新兴技术
技术栈Python、TensorFlow、PyTorch、LLM、LangChain、RAG、vLLM、Ollama、TGI
成长机会持续教育、内部及外部培训
业务类型ambiguous
工作生活
60中等
沈阳生活成本低，但岗位仅现场办公，未提及弹性工时或远程，WLB信号缺失。
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
50较低
汽车行业相对成熟，AI应用有一定创新性，但社会影响力不显著，意义感一般。
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