Apprentissage automatique @ Snap
Les ingénieurs d’apprentissage automatique chez Snap travaillent de bout en bout et sont propriétaires de l’ensemble du système d’apprentissage automatique.

Lenses d'IA
Recommandations unifiées

Dynamic Ads

Ingénierie de l'apprentissage automatique chez Snap
En tant qu’ingénieur en apprentissage automatique chez Snap, vous dirigerez l’expérience dynamique de Snapchat à travers le cycle de vie complet des modèles avancés de pointe, du prétraitement des données, à l’ingénierie des fonctionnalités, à la formation de modèles, ainsi qu'au déploiement et aux optimisations continues. Vous pourrez exploiter des techniques de pointe, des algorithmes de classement pour la pertinence de la publicité, des moteurs de recommandation pour le contenu personnalisé et la PNL pour des interactions améliorées, tout en traitant des pétaoctets de données pour plus de 850 millions d’utilisateurs.
Grâce à des modèles d'apprentissage classique et profond, vous créerez des expériences précises et réactives qui permettront aux utilisateurs de s'exprimer, de se connecter et de découvrir le monde en temps réel.
Découvrez nos équipes
Nos ingénieurs en apprentissage automatique résolvent les problèmes réels de ML.

Monétisation
En tant qu'ingénieur en apprentissage automatique au sein de l'équipe de monétisation, vous créerez et optimiserez l'ensemble de l'écosystème publicitaire. Vous favoriserez une communication très pertinente et à fort impact non seulement pour les annonceurs et les utilisateurs·rices, mais pour l'ensemble de Snap. De la conception de systèmes hautes performances pour les enchères en temps réel ou la diffusion publicitaire et les enchères, à la personnalisation des classements légers et lourds, à la création de solutions pour le ciblage et la diffusion publicitaire, vous continuerez à assurer une intégration transparente des publicités sur la plateforme. Vous formerez des modèles sur des milliards d'exemples, en utilisant l'apprentissage multitâche, la modélisation de séquence et la modélisation de l'interaction utilisateur·rice avec la publicité. Nos modèles prédisent les catégories démographiques des utilisateurs·rices pour améliorer le ciblage de l'audience avec des réseaux neuronaux graphiques et du contenu, pour comprendre comment notre travail façonne l'avenir de la plateforme publicitaire de Snapchat.
Sur quoi vous travaillerez :
Publicité axée sur l'IA
Nouveaux produits et expériences publicitaires personnalisés
Propriétaire du principal moteur de revenus de Snap
Développement de produits publicitaires de pointe
Lieux
Notre politique de retour au bureau consiste à venir travailler dans nos locaux 4 fois par semaine

ML @ Snap
Écoutez l’équipe au sujet de la vie chez Snap dans l’apprentissage automatique
Nous recrutons !
Sujets de l'entretien : ingénierie, bases du ML et ML appliqué.
Codage
Attendez-vous à résoudre des problèmes algorithmiques qui testent votre maîtrise des structures de données, des algorithmes et de vos compétences en résolution de problèmes. Concentrez-vous sur votre capacité à écrire un code propre, efficace et bien documenté.
Fondamentaux du ML
Vous serez évalué·e sur la théorie du ML et les modèles, concepts, techniques et applications de base du Machine Learning. Préparez-vous à discuter de l'apprentissage supervisé et non supervisé, des systèmes de recommandation, du classement, des métriques d'évaluation des modèles et des techniques d'optimisation.
Conception appliquée du ML
Évalue votre capacité à concevoir et à appliquer des solutions de Machine Learning à des problèmes du monde réel. Il pourra vous être demandé de décrire le processus de bout en bout de sélection des modèles, d'ingénierie des fonctionnalités et d'évaluation des performances. Parfois, cela peut tester votre capacité à résoudre des problèmes dans un environnement ambigu.
Conception de systèmes de ML
L'accent sera mis sur la conception de systèmes de ML évolutifs et robustes capables de gérer des données à grande échelle et des environnements de production. Attendez-vous à discuter de l'infrastructure et des compromis en matière d'architecture, des stratégies de déploiement de modèles et de la surveillance du système.
En savoir plus
Prêt·e à construire l'avenir ?






