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
高级经验
全职员工
仅现场办公
本科
机器学习工程
Mindspore
Nlp
Pytorch
Rag
Tensorflow
大语言模型 (Llm)
机器学习
深度学习
AI 估算 · 25k–40k
沈阳地区AI算法高级岗位，结合外资企业背景和3年以上经验要求，薪资处于当地较高水平。
职位详情
关于这个职位
该职位主要负责在德科斯米尔（沈阳）汽车零部件公司内部，利用机器学习和深度学习技术，构建面向生产制造场景的定制化AI解决方案
工作内容包括数据挖掘、模型训练与优化、大语言模型（LLM）应用开发与落地，以及AI模型的全生命周期管理
适合具备扎实数学和编程基础，并有3年以上AI算法研发经验的专业人才
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
- 职位涉及AI算法和大模型应用等前沿技术，技术含量高，有利于个人技能积累
- 德科斯米尔是跨国巨头企业，平台稳定，能提供国际化的工作环境和资源
- 工作内容包含培训、标准制定等，有助于提升个人影响力和综合能力
- 沈阳生活成本相对较低，薪资水平在当地具有较强竞争力
- 适合具备扎实AI技术功底，希望在制造业领域深耕，并愿意承担技术+管理复合职责的资深工程师
缺点 / 挑战
- 职位要求较高，需要具备3年以上经验且独立负责过至少2个AI项目，对个人能力要求严格
- 工作内容涉及算法开发、模型部署、项目管理等多个方面，可能面临较大的工作压力
- 作为传统制造企业的AI专家，可能需要推动内部变革，面临一定的沟通和协调挑战
角色解读
- 可以成长为AI领域的资深专家或技术负责人，主导更复杂的AI项目
- 有机会向管理方向发展，负责AI团队或子项目的管理与协调
- 在汽车制造这一垂直领域深耕，成为行业+AI的复合型专家
- 负责设计、开发和优化机器学习、深度学习及NLP算法，为汽车制造场景构建定制化AI解决方案
- 探索并落地大语言模型（LLM）应用，包括对话系统、知识图谱、内容生成和智能推荐等
- 管理AI模型从训练、调优、测试到部署的全生命周期，确保其在生产环境中的稳定性和高性能
- 作为技术专家，参与内部标准制定、跨部门协作以及内外部培训
- 精通Python，并熟练使用Pandas、Scikit-learn等数据处理工具
- 熟练掌握TensorFlow、PyTorch或MindSpore等至少一种深度学习框架
- 具备大模型（LLM）应用开发经验，熟悉LangChain、LlamaIndex、vLLM等工具和推理框架
- 扎实的数学基础（线性代数、概率统计、最优化）和良好的英语沟通能力
申请策略
- 在申请时，可以主动了解德科斯米尔在汽车制造领域的业务，并思考AI技术如何与其生产工艺结合
- 面试中除了技术能力，可以多展示项目管理和跨部门协作的经验
- 重点突出在机器学习、深度学习或NLP领域的项目经验，特别是独立主导或完整参与的项目
- 详细描述在大模型（LLM）应用方面的实践，如RAG、Agent、Prompt Engineering等
- 强调使用Python、TensorFlow/PyTorch等工具的技能，并展示数据处理和模型优化的具体成果
- 如有在制造或工业场景应用AI的经验，务必突出，这是加分项
- 可以提前熟悉LangChain、LlamaIndex等大模型应用框架，并了解vLLM、Ollama等推理优化工具
- 补充学习RAG、模型微调、量化、蒸馏等大模型落地相关技术
面试指南
- 回答项目经验时，可以采用STAR法则（情境-任务-行动-结果），突出个人贡献和量化成果
- 回答技术问题时，先阐述核心概念，再结合项目实例说明应用场景和效果，最后可以总结一些经验教训
- 对于行业应用问题，可以展示对行业痛点的理解，并说明如何将AI技术转化为实际价值
- 请详细描述一个你主导的AI项目，包括技术选型、模型设计、遇到的挑战和最终效果
- 你如何理解RAG（检索增强生成）？请谈谈你在实际项目中如何应用它
- 在部署大模型时，你如何优化推理性能？请介绍你使用过的框架或技术
- 你如何将AI技术应用到汽车制造等传统行业？请举例说明
- 请谈谈你对大模型未来发展趋势的看法，以及如何保持技术更新
职位点评
72
综合评分
跨国企业AI专家岗，技术前沿，薪资优厚，但WLB不明确。
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
该职位最适合以技术成长和职业发展为重心的求职者，他们追求前沿技术挑战，并愿意接受现场办公的安排。
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90
工作生活50
使命价值75
薪资福利
70中等
该职位提供具有竞争力的薪资（估算25k-40k/月），且为跨国巨头企业，稳定性好，但JD中未明确提及具体福利。
薪资信号未披露（AI估算：25K-40K/月）
成长发展
90较高
职位深度涉及机器学习、深度学习、大模型等前沿技术，技术含量高，成长空间大。同时，职位包含培训、标准制定等职责，有助于个人综合能力提升。
技术前沿前沿/新兴技术
技术栈机器学习、深度学习、NLP、LLM、LangChain、RAG、vLLM
成长机会持续教育需求、内部及外部培训
业务类型ambiguous
工作生活
50较低
职位要求现场办公，工作地点在沈阳，未提及远程或弹性工作安排，WLB信号不明确。
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
75中等
汽车制造行业属于稳定成熟行业，但AI应用具有创新性，能推动传统产业升级，具有一定意义感。
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