
Machine Learning @ Snap
Machine Learning Engineers hos Snap arbejder end-to-end og ejer hele det respektive Machine Learning-system.

Machine Learning @ Snap
Machine Learning Engineers hos Snap arbejder end-to-end og ejer hele det respektive Machine Learning-system.

Maskinlæringsteknik hos Snap
Som maskinlæringstekniker hos Snap vil du drive Snapchats dynamiske oplevelse gennem hele livscyklussen for avancerede state-of-the-art-modeller - fra forbehandling af data, feature engineering og modeltræning til implementering og løbende optimeringer. Du vil udnytte banebrydende teknikker, rangeringsalgoritmer til annoncerelevans, anbefalingsmotorer til personaliseret indhold og NLP til forbedrede interaktioner - alt sammen mens du behandler petabytes af data for over 850 millioner brugere.
Ved hjælp af både klassiske og dybe læringsmodeller vil du skabe præcise, responsive oplevelser, der giver brugerne mulighed for at udtrykke sig, komme i kontakt og opdage verden i realtid.
Udforsk vores teams
Vores maskinlæringsingeniører løser ML-problemer i den virkelige verden.
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:
Vi ansætter!
Vores ansættelsesproces dækker ingeniørarbejde, grundlæggende og anvendt ML.
Kodning
Forvent at løse algoritmiske problemer, der tester dine færdigheder inden for datastrukturer, algoritmer og problemløsning. Fokuser på din evne til at skrive ren, effektiv og veldokumenteret kode.
Grundlæggende ML
Du vil blive vurderet på ML-teori og centrale maskinlæringsmodeller, koncepter, teknikker og anvendelser. Vær forberedt på at diskutere superviseret og ikke-superviseret læring, anbefalingssystemer, rangering, model evalueringsmålinger og optimeringsteknikker.
Anvendt ML-design
Evaluerer din evne til at designe og anvende maskinlæringsløsninger på virkelige problemer. Du kan blive bedt om at gennemgå end-to-end-processen med at vælge modeller, funktionsteknik og evaluere ydeevne. Til tider kan dette teste din evne til at løse problemer i et tvetydigt miljø.
ML-systemdesign
Fokus vil være på at designe skalerbare og robuste ML-systemer, der kan håndtere store datamængder og produktionsmiljøer. Forvent at diskutere infrastruktur og kompromiser i arkitektur, modelimplementeringsstrategier og systemovervågning.
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.
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.
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.
Lær mere

Tillid og sikkerhed
Vi ønsker, at Snapchat skal være en sikker og positiv oplevelse for alle, der bruger vores platform eller produkter. Af denne grund har vi oprettet regler og politikker, der forklarer rettigheder og ansvar for alle medlemmer af vores fællesskab.
Hvad du kommer til at arbejde med:
Byg privatlivsbevarende AI
Lancer nye sikkerhedsfunktioner

Kernevækst
Som maskinlæringsingeniør i Core Growth-teamet vil du drive søge- og venneoplevelsen på tværs af mere end 15 produkter, der understøtter over 100 millioner aktive brugere pr. dag. Vores team driver søgning efter venner og indhold ved hjælp af avancerede teknologier, herunder grafdatabaser, store sprogmodeller (LLM'er), Mixture of Experts (MoE) og sofistikerede maskinlæringsstakke. Du vil udvikle søgealgoritmer, der forbinder brugere gennem venne- og kommunikationsgrafer, bruge visuelle og tekstindlejringer til indholdsopdagelse og forbedre søgningen med forhåndsanbefalinger, der forudsiger brugernes forespørgsler. Ud over at optimere søgeinfrastrukturen hjælper teamets venneprodukter brugerne med at skabe ægte, meningsfulde forbindelser for at udvide Snapchat-fællesskabet på en ansvarlig måde. Dette arbejde styrker brugernes engagement og fastholdelse, hvilket gør det muligt for andre Snapchat-funktioner som beskeder og story-kort at blomstre i stor skala.
Hvad du kommer til at arbejde med:
Skab AR-oplevelser
Storskala-system (5 mia. notifikationer dagligt)
Snapchats graf med mere end 1 milliard noder og hundreder af milliarder af kanter

Indhold
Som Machine Learning Engineer på Content-teamet vil du arbejde med at udvikle funktioner til meget synlige anbefalingsmodeller for kortvideoer, der driver kreativitet og forbindelse, som er kernen i vores platform, såsom Historier og Spotlight. Du vil fokusere på at forbedre brugeroplevelsen, fremme innovation på tværs af Spotlight, Lens-ranking, støtte indholdsskabere og gøre indholdsskabelse problemfri. Vores team arbejder med forståelse af multimodalt indhold ved at anvende avanceret grafrepræsentationslæring og indholdsrangering for at fremhæve de bedste oplevelser for vores brugere. Vi optimerer maskinlæringsmodeller gennem menneskelig gennemgang og udnytter avancerede personaliseringsteknikker, hvilket placerer os i spidsen for innovation inden for kortformet videoindhold.
Hvad du vil arbejde på:
Anbefalinger af personligt tilpasset indhold
Generativ AI til indholdsskabelse
Udvikl funktioner til højt synlige produkter som Spotlight, Historier, Discover Feed og venneforslag

Platform
Som maskinlæringsingeniør i Platform Engineering-teamet vil du bygge modeller, der leverer rettidige, nøjagtige, handlingsorienterede data af høj kvalitet til beslutningstagning, der danner rygraden i Snaps eksterne rapportering, eksperimentering og ML/rangering. Snaps AI-platform (alias Bento) driver mange store rangerings-, anbefalings- og Gen AI-use cases. I løbet af det seneste år er omfanget af vores aktiviteter steget 4-10 gange. Du vil udvikle indlejringer, der forbruges af downstream-modelleringsteams. Dette team er missionskritisk for at skalere og diversificere Snaps ML-modeltilbud.
Hvad du kommer til at arbejde med:
Højt tilgængelig multicloud-infrastruktur
Optimering af hele udvikleroplevelsen
Lever hurtigt funktioner af høj kvalitet

Generativ AI
Vores team for generativ AI er på forkant med innovation og former fremtiden for augmented reality (AR) gennem SnapAR, som omfatter Lens Studio, Lens Engine og Linsesky. Vores ingeniører bygger avancerede AI-modeller og maskinlæringsmodeller i realtid til dynamiske transformationer, såsom realistiske filtre, objektgenkendelse og sceneforståelse, hvilket sikrer problemfri AR-interaktioner for produkter som ML-linser og Drømme. Lens Studio 5.0 skiller sig ud som den førende udviklerplatform til at skabe banebrydende Linser, der blander generativ AI med traditionelle computersynsteknikker. Generativ AI giver skabere mulighed for at designe engagerende linser ubesværet uden at kræve ekspertise inden for 3D-modellering, animation eller kodning.
Hvad du kommer til at arbejde med:
Udvikle og optimere modeller for generativ AI
Byg AI-drevne værktøjer som tekst-til-3D-generering
Levere funktioner drevet af generativ AI og computersyn

Monetarisering
Som Maskinlæringsingeniør på Monetariseringsholdet vil du opbygge og optimere hele annoncenøkosystemet. Du vil skabe høj relevans og stor indvirkning, ikke kun for annoncører og brugere, men for hele Snap. Fra design af højtydende systemer til realtidsbudgivning eller annoncering og auktioner, personalisering af lette og tunge rangordnere, oprettelse af løsninger til annonce målretning og levering, vil du fortsat sikre en problemfri integration af annoncer på platformen. Du vil træne modeller på milliarder af eksempler ved hjælp af multi-task learning, sekvensmodellering og modellering af bruger- og annonceinteraktion. Vore modeller forudsiger brugerens demografi for at forbedre målretning af publikum ved hjælp af grafneurale netværk og indhold, for at forstå, hvordan vores arbejde former fremtiden for Snapchats annonceplatform.
Hvad du vil arbejde på:
AI-drevet annoncering
Nye personlige annonceprodukter og oplevelser
Ejer af Snaps primære indtægtskilde
Udvikling af banebrydende annonceprodukter