logo

การเรียนรู้ของเครื่อง @ Snap

วิศวกรการเรียนรู้ของเครื่องที่ Snap ทำงานแบบครบวงจรและเป็นเจ้าของระบบการเรียนรู้ของเครื่องทั้งหมดตามลำดับ

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.”

ทีมในการเรียนรู้ของเครื่อง

Our machine learning engineers solve real world ML problems.

การสร้างรายได้

ในฐานะวิศวกรผู้พัฒนาระบบการเรียนรู้ของเครื่อง (Machine Learning) ในทีมสร้างรายได้ คุณจะสร้างและเพิ่มประสิทธิภาพระบบนิเวศโฆษณาทั้งหมด คุณไม่เพียงแต่สร้างความเกี่ยวข้องและส่งผลกระทบระดับสูงให้กับผู้ลงโฆษณาและผู้ใช้เท่านั้น แต่ยังสำหรับ Snap ทั้งหมด ตั้งแต่การออกแบบระบบประสิทธิภาพสูงสำหรับการเสนอราคาหรือการให้บริการโฆษณาและการประมูลแบบเรียลไทม์ การปรับระบบการจัดอันดับแบบเบาและแบบหนักให้เหมาะกับแต่ละบุคคล การสร้างโซลูชันสำหรับการกำหนดเป้าหมายและการนำเสนอโฆษณา คุณจะยังคงมุ่งมั่นที่จะผสานรวมโฆษณาให้ได้อย่างราบรื่นทั่วทั้งแพลตฟอร์ม คุณจะฝึกโมเดลจากตัวอย่างหลายพันล้านตัวอย่าง โดยใช้การเรียนรู้แบบมัลติทาสก์ การสร้างแบบจำลองลำดับ และการสร้างแบบจำลองปฏิสัมพันธ์ระหว่างโฆษณากับผู้ใช้ โมเดลของเราคาดการณ์ประชากรผู้ใช้เพื่อปรับปรุงการกำหนดเป้าหมายผู้ชมด้วยเครือข่ายประสาทเทียมและเนื้อหาแบบกราฟ เพื่อทำความเข้าใจว่าการทำงานของเราจะกำหนดอนาคตของแพลตฟอร์มโฆษณาของ Snapchat อย่างไร

คุณจะได้ทำเกี่ยวกับ:

  • การโฆษณาที่ขับเคลื่อนด้วย AI

  • ผลิตภัณฑ์และประสบการณ์โฆษณาใหม่ที่ปรับให้เหมาะกับแต่ละบุคคล

  • ผู้ขับเคลื่อนรายได้หลักของ Snap

  • การพัฒนาผลิตภัณฑ์โฆษณาที่ล้ำสมัย

Locations

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

ML @ Snap

รับฟังจากทีมเกี่ยวกับชีวิตที่ Snap ในด้านการเรียนรู้ของเครื่อง

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