德科斯米尔
Industrial Engineering ES
Industrial Engineering ES
发布于 大约 1 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
Nlp
Pytorch
Rag
Tensorflow
机器学习
深度学习
AI 估算 · 15k–25k
沈阳AI岗位，3年经验，外企平台，薪资中等偏上。
职位详情
关于这个职位
这个职位虽然名为工业工程，实际是AI算法工程师，专注于机器学习、深度学习和NLP大模型应用开发
你将负责从数据挖掘、模型训练优化到部署的全流程，并探索LLM在对话、知识图谱等场景的落地
工作地点在沈阳，属于德科斯米尔这家跨国汽车零部件企业
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
- 实际工作内容紧跟AI前沿，涉及LLM、RAG、Agent等热门技术，技术含金量高
- 德科斯米尔是跨国巨头，平台稳定，能提供全球化的协作机会和英语工作环境
- 职位要求独立主导项目，能快速积累完整的AI项目落地经验
- 工作地点在沈阳，相比一线城市，AI氛围和跳槽机会可能较少
- 适合有3年以上AI/算法经验，对大模型应用有热情，喜欢独立负责项目，且能接受在沈阳长期发展的工程师
缺点 / 挑战
- JD中职责包含大量前沿技术，需要持续学习，技术迭代压力大
- 要求英语作为工作语言，对非英语母语者是额外挑战
角色解读
- 在AI算法工程师方向上深入，成为大模型应用专家，负责更复杂的业务场景
- 可以向技术管理层发展，带团队负责AI项目落地，但也需要项目管理能力
- 在汽车制造行业积累AI+工业的跨界经验，未来可转向智能制造或数字化转型方向
- 设计并实现机器学习、深度学习模型，解决业务场景中的实际问题
- 探索大语言模型（LLM）在对话、知识图谱、推荐等场景的应用，搭建RAG和Agent系统
- 负责模型从训练、调优到部署的全流程，并通过推理优化（vLLM等）提升性能
- 担任技术联络人，参与跨部门沟通，并可能承担内外部培训职责
- 扎实的数学基础（线性代数、概率统计、最优化），这是算法改进的根基
- 精通Python，熟悉Pandas、Scikit-learn等数据处理工具，能独立完成特征工程
- 熟练使用至少一种深度学习框架（PyTorch/TensorFlow/MindSpore），并能进行模型调优
- 具备LLM应用开发经验，熟悉LangChain、RAG、Agent、推理优化等技术
申请策略
- 申请时检查JD中明确的AI职责，在简历中重点呼应，避免被现有岗位名称误导
- 尽量展示能体现独立解决问题能力的案例，比如从0到1搭建过完整AI系统
- 突出参与过的AI项目，重点描述在数据、模型、部署各环节的具体贡献和量化结果
- 强调LLM相关经验，例如微调、RAG、Agent、LangChain使用等，契合职位技术栈
- 展示算法基础，如数学课程或竞赛经历，证明扎实的理论功底
- 如有英文简历或英语证书，一并提供，匹配工作语言要求
- 补充大型模型应用框架的实践，如LangChain、LlamaIndex，熟悉Prompt Engineering
- 了解vLLM、Ollama等推理优化工具，以及量化、蒸馏的实操方法
面试指南
- STAR法则：描述情境、任务、行动、结果，突出个人贡献和量化指标
- 对比思维：针对方案选型，说明为什么选择该方法，以及与其他方案相比有何优劣
- 经验迁移：强调在传统行业落地AI的挑战和收获，展现适应能力
- 请详细描述一个你负责的AI项目，包括数据、模型选型、调优过程及最终效果
- 你如何理解RAG？在实际项目中如何优化检索质量？
- 大模型推理延迟高，你有什么常用优化手段？
- 在有限算力下，你会如何对大模型进行压缩或部署？
- 为什么选择加入传统行业（汽车零部件）做AI，职业规划是什么？
职位点评
70
综合评分
跨国车企的AI算法岗，前沿技术栈，薪资未明，工作稳定但意义感一般。
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
这个职位最适合对AI前沿技术有强烈热情，希望通过实战快速成长，且对工作地点和行业社会意义要求不高的求职者。
表现最好
成长发展
相对薄弱
使命价值
薪资福利65
成长发展90
工作生活60
使命价值55
薪资福利
65中等
JD未给出具体薪资，但德科斯米尔作为跨国企业通常提供完善的福利和稳定的薪酬。沈阳生活成本较低，整体经济压力较小。
薪资信号未披露（AI估算：15K-25K/月）
成长发展
90较高
职位深入应用当前最热门的LLM技术，涉及RAG、Agent、推理优化等，技术成长空间大，且要求独立负责项目，能快速积累实战经验。
技术前沿前沿/新兴技术
技术栈Python、PyTorch、TensorFlow、LLM、LangChain、RAG、Agent、vLLM
成长机会continuing education、internal and external training
业务类型ambiguous
工作生活
60中等
工作地点在沈阳，生活节奏相对舒适，但JD未提及弹性办公或远程，且生产型企业可能有一定加班。工作与生活平衡属于中等偏上水平。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值
55较低
汽车制造行业稳定但传统，AI技术在其中属于赋能工具，社会影响力中性。职位使命感和创新性有限，更多是技术实践价值。
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