
AI 特效镜头
统一建议

动态广告

Snap 的机器学习工程
作为 Snap 的机器学习工程师,您将推动 Snapchat 的动态体验,参与最先进模型的整个生命周期,从数据预处理、特征工程和模型训练,到部署和持续优化。 您将利用尖端技术、广告相关性排名算法、个性化内容推荐引擎和用于增加互动性的自然语言处理, 同时处理超过 8.5 亿用户的 PB 级数据。
通过经典和深度学习模型,您将创造精确、响应迅速的体验,让用户能够实时表达自我、建立联系和探索世界。
探索我们的团队
我们的机器学习工程师致力于解决现实世界的机器学习问题。

创收
作为创收团队的机器学习工程师,你将构建和优化整个广告生态系统。 你将不仅为广告商和用户,而且为整个 Snap 带来高相关性和高影响力。从为实时竞价或广告投放和竞价设计高性能系统,到对轻量级和重量级排名器进行个性化定制,再到为广告定向投放制定解决方案,你将持续确保广告在整个平台上无缝集成。 你将使用多任务学习、序列建模和用户与广告互动建模,在数十亿个示例上训练模型。 我们的模型通过图形神经网络和内容来预测用户的受众特征,以优化受众定位,从而了解我们的工作如何塑造 Snapchat 广告平台的未来。
你将致力于以下工作:
AI 驱动的广告
全新的个性化广告产品和体验
Snap 主要收入驱动力的所有者
开发前沿广告产品
地点
我们在这些办公地点的 RTO(重返办公室)政策是每周招聘 4 次

ML @ Snap
听取团队关于 Snap 在机器学习中的生活
我们正在招聘!
我们的面试流程涵盖工程、基础和应用机器学习。
编码
您需要解决算法问题,以测试您在数据结构、算法和解决问题方面的熟练程度。重点考察您编写清晰、高效、文档齐全的代码的能力。
机器学习基础
您将接受机器学习理论和核心机器学习模型、概念、技术和应用的评估。准备好讨论监督和非监督学习、推荐系统、排名、模型评估指标和优化技术。
机器学习应用设计
评估您设计和应用机器学习解决方案来解决实际问题的能力。您可能会被要求完整地介绍选择模型、特征工程和评估性能的端到端过程。有时,这可以测试您在模糊环境中解决问题的能力。
机器学习系统设计
重点将是设计可扩展且稳健的机器学习系统,以处理大规模数据和生产环境。准备好讨论基础设施、架构中的权衡、模型部署策略和系统监控。
准备好构建未来了吗?






