logo

Μηχανική μάθηση @ Snap

Οι μηχανικοί μηχανικής μάθησης στη Snap εργάζονται από άκρη σε άκρη και κατέχουν ολόκληρο το αντίστοιχο σύστημα μηχανικής μάθησης.

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.”

Ομάδες στη μηχανική μάθηση

Our machine learning engineers solve real world ML problems.

Νομισματοποίηση

Ως Μηχανικός Μηχανικής Μάθησης της ομάδας Νομισματοποίησης, θα δημιουργείς και θα βελτιστοποιείς ολόκληρο το οικοσύστημα διαφημίσεων. Θα καθοδηγείς υψηλή σχετικότητα και υψηλό αντίκτυπο όχι μόνο για διαφημιστές και χρήστες, αλλά και για όλη τη Snap. Από τον σχεδιασμό συστημάτων υψηλής απόδοσης για προσφορές ή τοποθέτηση διαφημίσεων και δημοπρασίες σε πραγματικό χρόνο, την εξατομίκευση ελαφρών και βαρέων ταξινομητών, τη δημιουργία λύσεων για στόχευση και παράδοση διαφημίσεων, θα συνεχίσετε να διασφαλίζετε απρόσκοπτη ενσωμάτωση των διαφημίσεων σε όλη την πλατφόρμα. Θα εκπαιδεύετε μοντέλα σε δισεκατομμύρια παραδείγματα, χρησιμοποιώντας την πολυλειτουργική μάθηση, μοντέλα αλληλουχίας και μοντέλα αλληλεπίδρασης διαφήμισης χρηστών x. Τα μοντέλα μας προβλέπουν δημογραφικά στοιχεία χρηστών για βελτίωση της στόχευσης κοινού με γραφικά νευρωνικά δίκτυα και περιεχόμενα, για να γίνει κατανοητό, πώς το έργο μας διαμορφώνει το μέλλον της πλατφόρμας διαφημίσεων του Snapchat.

Τα καθήκοντα σας:

  • Διαφημίσεις με Τεχνητή Νοημοσύνη

  • Νέα εξατομικευμένα διαφημιστικά προϊόντα και εμπειρίες

  • Υπεύθυνος του βασικού οδηγού εσόδων της Snap

  • Ανάπτυξη προηγμένων διαφημιστικών προϊόντων

Locations

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

ML @ Snap

Ακούστε από την ομάδα για τη ζωή στη μηχανική μάθηση στη Snap

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