
AIレンズ
統一された推奨事項

ダイナミック広告

Snapの機械学習エンジニアリング
Snapの機械学習エンジニアとして、データ前処理、機能エンジニアリング、モデルトレーニングから、導入と継続的な最適化まで、高度な最先端モデルのライフサイクル全体を通じて、Snapchatのダイナミックなエクスペリエンスを推進します。最先端の技術、広告の関連性を高めるランキング・アルゴリズム、パーソナライズされたコンテンツを提供する推奨エンジン、およびインタラクションを強化するNLPを活用しながら、8億5,000万人以上のユーザーのペタバイト単位のデータを処理します。
従来の学習モデルとディープラーニングモデルの両方を通じて、ユーザーがリアルタイムで自己表現し、つながり、世界を発見できる、正確かつ応答性の高いエクスペリエンスを創造します。
チームを見る
私たちの機械学習エンジニアは、現実世界のMLの問題を解決します。

収益化
収益化チームの機械学習エンジニアとして、広告エコシステム全体を構築し、最適化します。広告主やユーザーだけでなく、Snap全体にとっても、関連性とインパクトが高いことを推進します。リアルタイム入札や広告配信、オークション用の高性能システムの設計、上位、下位のランクの広告のパーソナライズ、広告のターゲティングと配信のためのソリューションの作成から、プラットフォーム全体で広告がシームレスに統合されるよう努めます。マルチタスク学習、シーケンスモデリング、ユーザー×広告インタラクションモデリングを使用することにより、数十億の例に基づいてモデルをトレーニングします。私たちのモデルは、ユーザーの人口統計を予測し、グラフ的なニューラルネットワークとコンテンツでオーディエンスのターゲティングを改善し、私たちの取り組みがどのようにSnapchatの広告プラットフォームの未来を形作るかを理解します。
取り組むこと:
AIが主導する広告
パーソナライズされた新しい広告製品と体験
Snapの主な収益の推進要因の所有者
最先端の広告製品の開発
位置情報
私たちのRTO(職場への復帰)ポリシーは、週に4回で、これらのオフィスの場所で雇用しています。

ML @ Snap
機械学習チームに聞く、Snapでのやりがいについて
採用情報
当社の面接プロセスでは、エンジニアリング、基礎ML、応用MLが対象となります。
コーディング
データ構造、アルゴリズム、問題解決能力を試すアルゴリズム問題を解くことが期待されます。クリーンで効率的、かつ十分に文書化されたコードを書く能力に焦点を当てます。
MLの基礎
ML理論とコア機械学習モデル、概念、技術、応用について評価されます。教師あり学習と教師なし学習、おすすめシステム、ランキング、モデル評価指標、最適化技術について議論する準備をしてください。
ML応用設計
現実世界の問題に機械学習ソリューションを設計し、適用する能力を評価します。モデルの選択、特徴エンジニアリング、パフォーマンス評価のエンドツーエンドのプロセスを説明するよう求められる場合があります。時には、あいまいな環境で問題解決能力を試されることもあります。
MLシステム設計
大規模なデータと本番環境を処理できる、スケーラブルで堅牢なMLシステムの設計に焦点を当てます。インフラストラクチャとアーキテクチャのトレードオフ、モデルのデプロイ戦略、システム監視について議論することが期待されます。
未来を築く準備はできていますか?






