
Maschinelles Lernen @ Snap
Die Ingenieure für maschinelles Lernen bei Snap arbeiten „end-to-end“ am gesamten ML-System eng zusammen.

Maschinelles Lernen @ Snap
Die Ingenieure für maschinelles Lernen bei Snap arbeiten „end-to-end“ am gesamten ML-System eng zusammen.

Machine Learning Engineering bei Snap
Als Machine Learning Engineer bei Snap bringst du das dynamische Erlebnis von Snapchat durch den gesamten Lebenszyklus fortschrittlicher, hochmoderner Modelle voran – von der Datenvorverarbeitung über die Feature-Entwicklung und das Modelltraining bis hin zur Bereitstellung und den kontinuierlichen Optimierungen. Du nutzt modernste Techniken, Ranking-Algorithmen für die Relevanz der Anzeigen, Empfehlungs-Engines für personalisierte Inhalte und NLP für verbesserte Interaktionen – und das alles, während du Petabyte an Daten für über 850 Millionen Nutzer verarbeitest.
Mit sowohl klassischen wie auch Deep-Learning-Modellen erstellst du präzise, reaktionsschnelle Erlebnisse, die es den Nutzern ermöglichen, sich in Echtzeit auszudrücken, zu vernetzen und die Welt zu entdecken.
Entdecke unsere Teams
Unsere Machine Learning-Entwickler lösen ML-Probleme aus der realen Welt.
Interview Process
Below is an overview of the interview rounds and competencies that may be assessed throughout the ML interview process. Depending on your target level, the order of these rounds may differ or you might have some rounds omitted. Each technical interview will begin with approximately 15 minutes of behavioral discussion focused on experiences aligned with Snap’s values. Following your answer, your interviewer will transition into the technical portion of the interview assessing one of the below competencies:
Wir stellen ein!
Bewerbungsprozess: Technik, Grundlagen und angewandtes maschinelles Lernen.
Programmierung
Erwarte, algorithmische Probleme zu lösen, die deine Kenntnisse in Datenstrukturen, Algorithmen und Problemlösungsfähigkeiten testen. Konzentriere dich auf deine Fähigkeit, sauberen, effizienten und gut dokumentierten Code zu schreiben.
ML-Grundlagen
Du wirst auf ML-Theorie und Kernmodelle, Konzepte, Techniken und Anwendungen des maschinellen Lernens geprüft. Sei bereit, über überwachtes und unüberwachtes Lernen, Empfehlungssysteme, Ranking, Modellevaluierungsmetriken und Optimierungstechniken zu diskutieren.
Angewandtes ML-Design
Bewertet deine Fähigkeit, Lösungen für maschinelles Lernen für reale Probleme zu entwerfen und anzuwenden. Du könntest gebeten werden, den gesamten Prozess der Auswahl von Modellen, des Feature-Engineerings und der Leistungsbewertung zu durchlaufen. Manchmal kann dies deine Fähigkeit testen, Probleme in einer unklaren Umgebung zu lösen.
ML-Systemdesign
Der Schwerpunkt liegt auf der Entwicklung skalierbarer und robuster ML-Systeme, die große Datenmengen und Produktionsumgebungen bewältigen können. Erwarte, die Infrastruktur und Kompromisse in der Architektur, Modellbereitstellungsstrategien und Systemüberwachung zu diskutieren.
General Coding
This will be focused on general computer science fundamentals. You can expect algorithms and data structure question(s) for this round and you are able to code in your language of preference.
Product
This round is required for L6+ interviews and will be conducted by a Product Manager or an ML Engineer. The objective is to assess your ability to understand customer needs, build business domain knowledge, bridge technical ML solutions and product requirements, and partner cross-functionally with Product Managers.
Q&A
The Q&A session will not include any formal technical or behavioral competency assessment like other rounds. Instead, it is an opportunity for candidates to learn more about the team, projects, and company. Candidates are encouraged to come prepared with thoughtful questions about the role, team culture, technical challenges, cross-functional collaboration, growth opportunities, or life at Snap.
Mehr erfahren
Leadership
Depending on the target level, candidates may participate in a leadership interview focused on collaboration, influence, ownership, communication, mentorship, and decision-making. Interviewers will assess how you navigate ambiguity, drive impact across teams, and support effective engineering practices, including thoughtful adoption of AI-assisted workflows, through examples from your past experience.

Plattform
Als Machine Learning Engineer im Platform Engineering Team erstellst du Modelle, die zeitnahe, genaue, qualitativ hochwertige und umsetzbare Daten für die Entscheidungsfindung liefern, die das Rückgrat des externen Reportings, der Experimente und des ML/Rankings von Snap bilden. Die KI-Plattform von Snap (alias Bento) unterstützt viele groß angelegte Ranking-, Empfehlungs- und Gen-KI-Anwendungsfälle. Im vergangenen Jahr hat sich unser Betriebsumfang um das 4- bis 10-fache erhöht. Du entwickelst Einbettungen, die von nachgelagerten Modellierungsteams genutzt werden. Dieses Team ist entscheidend für die Skalierung und Diversifizierung der ML-Modellangebote von Snap.
Woran du arbeiten wirst:
Hochverfügbare Multi-Cloud-Infrastruktur
Optimierung des gesamten Entwicklererlebnisses
Schnelle Bereitstellung hochwertiger Funktionen

Generative KI
Unser Team für Generative KI steht an der Spitze der Innovation und gestaltet die Zukunft der Augmented Reality (AR) durch SnapAR, das Lens Studio, Lens Engine und Lens Cloud umfasst. Unsere Ingenieure entwickeln fortschrittliche KI-Modelle und Modelle für maschinelles Lernen in Echtzeit für dynamische Transformationen wie realistische Filter, Objekterkennung und Szenenverständnis und gewährleisten so nahtlose AR-Interaktionen für Produkte wie ML-Lenses und Träume. Lens Studio 5.0 ist die führende Entwicklerplattform für die Erstellung hochmoderner Lenses, die Generative KI mit traditionellen Computer-Vision-Techniken verbinden. Generative KI ermöglicht es Kreatoren, mühelos ansprechende Lenses zu entwerfen, ohne dass Fachkenntnisse in 3D-Modellierung, Animation oder Programmierung erforderlich sind.
Woran du arbeiten wirst:
Entwicklung und Optimierung von Modellen der Generativen KI
Entwicklung von KI-gesteuerten Tools wie der Text-zu-3D-Generierung
Bereitstellung von Funktionen, die auf Generativer KI und Computer Vision basieren

Monetarisierung
Als Machine Learning Engineer im Monetarisierung-Team entwickelst und optimierst du das gesamte Anzeigen-Ökosystem. Du sorgst für hohe Relevanz und hohe Wirkung, nicht nur für Werbetreibende und Nutzer, sondern für ganz Snap. Von der Entwicklung leistungsstarker Systeme für Echtzeit-Gebote oder Anzeigen-Serving und Auktionen über die Personalisierung leichter und schwerer Ranker bis hin zur Entwicklung von Lösungen für das Targeting und die Auslieferung von Anzeigen – du sorgst weiterhin für die nahtlose Integration von Anzeigen auf der gesamten Plattform. Du trainierst Modelle anhand von Milliarden von Beispielen und verwendest Multitask-Learning, Sequenzmodellierung und Interaktionsmodellierung für Nutzer und Anzeigen. Unsere Modelle sagen die Nutzer-Demografie voraus, um das Zielgruppen-Targeting mit graphischen neuronalen Netzen und Inhalten zu verbessern, um zu verstehen, wie unsere Arbeit die Zukunft der Werbeplattform von Snapchat prägt.
Woran du arbeitest:
KI-basierte Werbung
Neue personalisierte Anzeigenprodukte und -erlebnisse
Eigentümer des Haupteinnahmetreibers von Snap
Entwicklung innovativer Anzeigenprodukte

Vertrauen und Sicherheit
Wir möchten, dass Snapchat für jeden, der unsere Plattform oder unsere Produkte nutzt, eine sichere und positive Erfahrung ist. Aus diesem Grund haben wir Regeln und Richtlinien erstellt, die die Rechte und Pflichten aller Mitglieder unserer Community erläutern.
Woran du arbeiten wirst:
Entwicklung einer datenschutzfreundlichen KI
Einführung neuer Sicherheitsfunktionen

Inhalte
Als Machine Learning Engineer im Content-Team arbeitest du an der Entwicklung von Funktionen für gut sichtbare Kurzvideo-Empfehlungsmodelle, die die Kreativität und Verbindung im Kern unserer Plattform wie Storys und Spotlight fördern. Du konzentrierst dich auf die Verbesserung der Nutzererfahrung, die Förderung von Innovationen in Spotlight, das Lens-Ranking, die Unterstützung von Content-Kreatoren und die mühelose Erstellung von Inhalten. Unser Team setzt sich mit multimodalem Content Understanding auseinander, indem es fortschrittliches Lernen für Grafikdarstellungen und Content-Ranking verwendet, um die besten Erlebnisse für unsere Nutzer zu bieten. Wir optimieren Modelle für maschinelles Lernen durch menschliche Überprüfung und nutzen modernste Personalisierungstechniken, wodurch wir an die Spitze der Innovation für Kurzform-Videoinhalte kommen.
Woran du arbeitest:
Personalisierte Inhaltsempfehlungen
Generative KI für die Inhaltserstellung
Entwickle Funktionen für Produkte mit hoher Sichtbarkeit wie Spotlight, Storys, den Entdecken-Feed und Freund-Vorschläge

Kernwachstum
Als Machine Learning Engineer im Core Growth Team treibst du das Such- und Freundschaftserlebnis für über 15 Produkte voran und unterstützt über 100 Millionen täglich aktive Nutzer. Unser Team unterstützt die Suche nach Freunden und Inhalten mit fortschrittlichen Technologien, einschließlich Graphdatenbanken, Large Language Models (LLMs), Mixture of Experts (MoE) und hochentwickelten Machine-Learning-Stacks. Du entwickelst Suchalgorithmen, die Nutzer über Freundschafts- und Kommunikationsgraphen verbinden, nutzt visuelle und Texteinbettungen zur Inhaltsentdeckung und verbesserst die Suche mit Vorschlagsempfehlungen, die Nutzeranfragen vorhersagen. Zusätzlich zur Optimierung der Suchinfrastruktur helfen die Freundschaftsprodukte des Teams den Nutzern, echte, bedeutungsvolle Verbindungen herzustellen, um die Snapchat-Community verantwortungsvoll zu erweitern. Diese Arbeit stärkt das Nutzerengagement und die Nutzerbindung und ermöglicht es anderen Snapchat-Funktionen wie Messaging und Story-Karten, in großem Maßstab zu gedeihen.
Woran du arbeiten wirst:
AR-Erlebnisse schaffen
Groß angelegtes System (5 Mrd. Benachrichtigungen täglich)
Der Graph von Snapchat mit mehr als 1 Milliarde Knoten und Hunderten von Milliarden Kanten