logo

Maschinelles Lernen @ Snap

Die Ingenieure für maschinelles Lernen bei Snap arbeiten „end-to-end“ am gesamten ML-System eng zusammen.

Open Roles

Our engineers utilize state of the art models and continually push the boundaries of what’s possible in Snapchat's content, monetization, infrastructure, features, and more!

AI Lenses

Unified Recommendations

Dynamic Ads


Machine Learning Engineering at Snap

As a Machine Learning Engineer at Snap you’ll drive Snapchat’s dynamic experience through the full lifecycle of advanced state-of-the-art models -  from data preprocessing, feature engineering, and model training, to deployment and ongoing optimizations. You’ll leverage cutting-edge techniques, ranking algorithms for ad relevance, recommendation engines for personalized content and NLP for enhanced interactions - all while processing petabytes of data for over 850 million users. 

Through both classic and deep learning models, you’ll create precise, responsive experiences that empower users to express themselves, connect and discover the world in real-time.


“The real benefit that Snap has is the size of our scale, and the breadth of influence and impact that people will have. You can run fast, have broad influence and actually see your work hit production with the right experimentation tools and infrastructure to be productive.”

Teams im Bereich Maschinelles Lernen

Our machine learning engineers solve real world ML problems.

Monetarisierung

Als Machine Learning Engineer im Monetarisierung-Team entwickelst und optimierst du das gesamte Anzeigen-Ökosystem. Du sorgst für hohe Relevanz und hohe Wirkung, nicht nur für Werbetreibende und Nutzer, sondern für ganz Snap. Von der Entwicklung leistungsstarker Systeme für Echtzeit-Gebote oder Anzeigen-Serving und Auktionen über die Personalisierung leichter und schwerer Ranker bis hin zur Entwicklung von Lösungen für das Targeting und die Auslieferung von Anzeigen – du sorgst weiterhin für die nahtlose Integration von Anzeigen auf der gesamten Plattform. Du trainierst Modelle anhand von Milliarden von Beispielen und verwendest Multitask-Learning, Sequenzmodellierung und Interaktionsmodellierung für Nutzer und Anzeigen. Unsere Modelle sagen die Nutzer-Demografie voraus, um das Zielgruppen-Targeting mit graphischen neuronalen Netzen und Inhalten zu verbessern, um zu verstehen, wie unsere Arbeit die Zukunft der Werbeplattform von Snapchat prägt.

Woran du arbeitest:

  • KI-basierte Werbung

  • Neue personalisierte Anzeigenprodukte und -erlebnisse

  • Eigentümer des Haupteinnahmetreibers von Snap

  • Entwicklung innovativer Anzeigenprodukte

Locations

Our RTO (Return to Office) policy is 4 times per week hiring in these office locations

ML @ Snap

Hier berichtet das Team über Life at Snap und maschinelles Lernen

We're Hiring!

Our interview process covers engineering, foundational, and applied ML.

Coding

Expect to solve algorithmic problems that test your proficiency in data structures, algorithms, and problem-solving skills. Focus on your ability to write clean, efficient, and well-documented code.

ML Fundamentals

You’ll be assessed on ML theory and core machine learning models, concepts, techniques and applications. Be prepared to discuss supervised and unsupervised learning, recommendation systems, ranking, model evaluation metrics, and optimization techniques.

ML Applied Design

Evaluates your ability to design and apply machine learning solutions to real-world problems. You may be asked to walk through the end-to-end process of selecting models, feature engineering, and evaluating performance. At times this can test your ability to problem solve in an ambiguous environment.

ML System Design

The focus will be on designing scalable and robust ML systems that can handle large-scale data and production environments. Expect to discuss the infrastructure and trade offs in architecture, model deployment strategies and system monitoring.

Our Interview Process