Machine Learning @ Snap

Ang mga Machine Learning Engineers sa Snap ay nagtatrabaho end-to-end at nagmamay-ari ng buong Machine Learning system.

Machine Learning Engineering sa Snap

Bilang isang Machine Learning Engineer sa Snap, pangungunahan mo ang dinamikong karanasan sa Snapchat sa pamamagitan ng buong proseso ng mga pinakabagong model - mula sa data pre-processing, feature engineering, at model training, hanggang sa deployment at nagpapatuloy na optimisasyon. Pakikinabangan mo ang makabagong mga teknik, ranking algorithm para sa ad relevance, recommendation engine para sa personalisadong content, at NLP para sa mas mahusay na interaksyon - habang pinoproseso ang petabytes ng data para sa mahigit 850 milyong mga user.

Sa pamamagitan ng parehong klasiko at deep learning na mga model, lilikha ka ng eksakto at tumutugon na karanasan na bibigyan ng kakayahan ang mga user na ipahayag ang kanilang sarili, kumonekta, at tuklasin ang mundo nang real-time.

Kilalanin ang Aming Mga Team

Ang aming mga machine learning engineer ay lumulutas sa mga problema ng ML sa totoong mundo.

Monetization

Bilang Machine Learning Engineer sa Monetization team ikaw ay gagawa at magpapaganda ng buong ad ecosystem. Ikaw ay maghahatid ng high-relevance at high-impact hindi lang para sa mga advertiser at mga user ngunit para sa lahat sa Snap. Mula sa pagdidisenyo ng mga high-performance system hanggang sa real-time bidding o ad serving at mga auction, pagpe-personalize ng mga light at heavy ranker, paglikha ng mga solusyon para sa ad targeting at delivery, magpapatuloy ka sa paninigurado sa maayos na integration ng mga ad sa buong platform. Tuturuan mo ang mga model sa mga bilyon na mga halimbawa, gamit ang multi-task learning, sequence modeling at user x ad interaction modeling. Hinuhulaan ng aming mga model ang mga user demographic para mapaganda ang audience targeting gamit ang mga graph neural network at content, para maintindihan kung paano hinuhubog ng aming trabaho ang kinabukasan ng ad platform ng Snapchat.

Ano ang mga gagawin mo:

Advertising na AI-driven
Bagong personalized na mga produkto ng ad at mga karanasan
May-ari ng main revenue driver ng Snap
Pagbuo ng mga makabagong produkto ng ad

Content

Bilang Machine Learning Engineer sa Content team ikaw ay bubuo ng mga feature para sa mga highly visible short form video recommendation model na nagbibigay-lakas sa pagkamalikhain at koneksyon sa puso ng ating plataporma tulad ng Stories at Spotlight. Magpo-focus ka sa pagpapaganda ng karanasan ng user, pagpapatupad ng innovation sa Spotlight, Lens ranking, pagsuporta ng mga content creator, at pagpapadali ng content creation. Tinatrabaho ng aming team ang multi-modal content understanding, gamit ang makabagong graph representation learning at content ranking para maghatid ng mga pinakamagandang karanasan para sa aming mga user. Pinapagbuti namin ang mga machine learning model sa pamamagitan ng pagsusuri ng tao at gumagamit ng mga state-of-the-art na mga personalization technique, kaya naman nangunguna kami sa short form video content innovation.

Ano ang mga gagawin mo:

Mga personalized content recommendation
Generative AI para sa content creation
Gumawa ng mga feature para sa mga highly visible na mga produkto tulad ng Spotlight, Stories, Discover Feed & Friend Suggestions

Core Growth

Bilang isang Machine Learning Engineer sa Core Growth team, papangunahan mo ang karanasan sa paghahanap at pakikipagkaibigan sa 15+ na produkto, na sumusuporta sa mahigit 100 milyong mga pang-araw-araw na aktibong user. Pinapagana ng aming team ang paghahanap para sa mga kaibigan at content gamit ang mga advanced na teknolohiya, kabilang ang mga graph database, Large Language Models (LLM), Mixture of Experts (MoE), at mga sopistikadong machine learning stack. Bubuo ka ng mga algorithm sa paghahanap na nagkokonekta sa mga user sa pamamagitan ng mga graph ng kaibigan at komunikasyon, gagamit ng mga visual at text embedding para sa pagtuklas ng content at pagpapahusay ng paghahanap gamit ang mga pretype na rekomendasyon na humuhula sa mga query ng user. Bilang karagdagan sa pag-optimize ng imprastraktura sa paghahanap, ang mga produkto ng pakikipagkaibigan ng team ay tumutulong sa mga user na gumawa ng tunay at makabuluhang koneksyon upang responsableng palaguin ang komunidad ng Snapchat. Pinapalakas ng gawaing ito ang pakikipag-ugnayan at pagpapanatili ng user, na nagbibigay-daan sa iba pang mga feature ng Snapchat tulad ng pagmemensahe at mga mapa ng kuwento na umunlad nang malawakan.

Kung ano ang iyong gagawin:

Lumikha ng mga karanasan sa AR
Malakihang sistema (5B na notification araw-araw)
Graph ng Snapchat na may 1+ bilyong node at daan-daang bilyong edge

Platform

Bilang isang Machine Learning Engineer sa Platform Engineering team, bubuo ka ng mga modelo na nagbibigay ng napapanahon, tumpak, mataas na kalidad at naaaksyunan na data para sa paggawa ng desisyon na bumubuo sa gulugod ng panlabas na pag-uulat, pag-eeksperimento, at ML/Ranking ng Snap. Ang AI platform ng Snap (aka Bento) ay nagpapagana ng maraming malakihang pag-rank, rekomendasyon, at mga kaso ng paggamit ng Gen AI. Sa nakalipas na taon, tumaas ng 4-10X ang sukat ng aming mga operasyon. Bubuo ka ng mga embedding na ginagamit ng mga downstream modeling team. Ang team na ito ay kritikal sa misyon sa pag-scale at pag-iba-iba ng mga alok ng modelo ng ML ng Snap.

Kung ano ang iyong gagawin:

Highly available, multi-cloud na imprastraktura
Pag-optimize sa buong karanasan ng developer
Magpadala ng mga de-kalidad na feature nang mabilis

Tiwala at Kaligtasan

Gusto naming maging isang ligtas at positibong karanasan ang Snapchat para sa lahat ng gumagamit ng aming platform o mga produkto. Dahil dito, gumawa kami ng mga panuntunan at patakaran na nagpapaliwanag sa mga karapatan at responsibilidad ng lahat ng miyembro ng aming komunidad.

Kung ano ang iyong gagawin:

Bumuo ng AI na nagpapanatili ng Privacy
Maglunsad ng mga bagong feature sa kaligtasan

Generative AI

Ang aming Generative AI team ay nangunguna sa pagbabago, hinuhubog ang hinaharap ng augmented reality (AR) sa pamamagitan ng SnapAR, na kinabibilangan ng Lens Studio, Lens Engine, at Lens Cloud. Ang aming mga engineer ay bumubuo ng real-time na advanced na mga modelo ng AI at mga modelo ng machine learning para sa mga dynamic na pagbabago, tulad ng mga makatotohanang filter, pagkilala sa object, at pag-unawa sa eksena, na tinitiyak ang tuluy-tuloy na mga interaksyon sa AR para sa mga produkto tulad ng ML Lenses at Dreams. Ang Lens Studio 5.0 ay namumukod-tangi bilang nangungunang platform ng developer para sa paglikha ng mga makabagong Lens na pinagsasama ang generative AI sa mga tradisyonal na diskarte sa computer vision. Binibigyan ng Generative AI ang mga creator ng kapangyarihan na magdisenyo ng mga nakakaengganyong lens nang walang kahirap-hirap nang hindi nangangailangan ng kadalubhasaan sa 3D modeling, animation o coding.

Kung ano ang iyong gagawin:

Bumuo at i-optimize ang mga Modelo ng Generative AI
Bumuo ng mga tool na pinapagana ng AI tulad ng text-to-3D generation
Maghatid ng mga feature na pinapagana ng generative AI at computer vision

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:

Tumatanggap Kami ng Aplikante!

Saklaw ng aming proseso ng panayam ang engineering, foundational, at applied ML.

Pag-code

Asahan na malutas ang mga problemang algorithmic na sumusubok sa iyong kasanayan sa mga istruktura ng data, algorithm, at mga kasanayan sa paglutas ng problema. Mag-focus sa iyong kakayahang magsulat ng malinis, mahusay, at mahusay na dokumentadong code.

Mga Pangunahing Kaalaman sa ML

Susuriin ka sa teorya ng ML at mga pangunahing modelo ng machine learning, mga konsepto, mga diskarte at mga aplikasyon. Maging handa na talakayin ang supervised at unsupervised na pag-aaral, mga sistema ng rekomendasyon, pag-rank, mga sukatan ng pagsusuri ng modelo, at mga diskarte sa pag-optimize.

Disenyo ng Inilapat na ML

Sinusuri ang iyong kakayahang magdisenyo at maglapat ng mga solusyon sa machine learning sa mga problema sa totoong mundo. Maaaring hilingin sa iyo na talakayin ang end-to-end na proseso ng pagpili ng mga modelo, feature engineering, at pagsusuri ng performance. Kung minsan, masusubok nito ang iyong kakayahang lumutas ng problema sa isang hindi malinaw na kapaligiran.

Disenyo ng Sistema ng ML

Ang pokus ay sa pagdidisenyo ng mga scalable at matatag na sistema ng ML na kayang humawak ng malakihang data at mga kapaligiran sa produksyon. Asahan na talakayin ang imprastraktura at mga trade off sa arkitektura, mga diskarte sa pag-deploy ng modelo at pagsubaybay sa sistema.

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.

Matuto Nang Higit Pa

Visit Snap's Engineering Blog