Snapの機械学習エンジニアリング
Snapの機械学習エンジニアとして、データ前処理、機能エンジニアリング、モデルトレーニングから、導入と継続的な最適化まで、高度な最先端モデルのライフサイクル全体を通じて、Snapchatのダイナミックなエクスペリエンスを推進します。最先端の技術、広告の関連性を高めるランキング・アルゴリズム、パーソナライズされたコンテンツを提供する推奨エンジン、およびインタラクションを強化するNLPを活用しながら、8億5,000万人以上のユーザーのペタバイト単位のデータを処理します。
従来の学習モデルとディープラーニングモデルの両方を通じて、ユーザーがリアルタイムで自己表現し、つながり、世界を発見できる、正確かつ応答性の高いエクスペリエンスを創造します。
チームを見る
私たちの機械学習エンジニアは、現実世界のMLの問題を解決します。
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:
採用情報
当社の面接プロセスでは、エンジニアリング、基礎ML、応用MLが対象となります。
コーディング
データ構造、アルゴリズム、問題解決能力を試すアルゴリズム問題を解くことが期待されます。クリーンで効率的、かつ十分に文書化されたコードを書く能力に焦点を当てます。
MLの基礎
ML理論とコア機械学習モデル、概念、技術、応用について評価されます。教師あり学習と教師なし学習、おすすめシステム、ランキング、モデル評価指標、最適化技術について議論する準備をしてください。
ML応用設計
現実世界の問題に機械学習ソリューションを設計し、適用する能力を評価します。モデルの選択、特徴エンジニアリング、パフォーマンス評価のエンドツーエンドのプロセスを説明するよう求められる場合があります。時には、あいまいな環境で問題解決能力を試されることもあります。
MLシステム設計
大規模なデータと本番環境を処理できる、スケーラブルで堅牢なMLシステムの設計に焦点を当てます。インフラストラクチャとアーキテクチャのトレードオフ、モデルのデプロイ戦略、システム監視について議論することが期待されます。
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.
信頼と安全
Snapは、Snapのプラットフォームや製品を使用するすべての人にとって、安全でポジティブな体験となることを望んでいます。このため、Snapはコミュニティのすべてのメンバーの権利と責任を説明するルールとポリシーを作成しました。
担当業務：
プライバシー保護AIの構築
新しい安全機能のローンチ
プラットフォーム
プラットフォームエンジニアリングチームの機械学習エンジニアとして、Snapの外部レポート、実験、ML/ランキングのバックボーンを形成する、意思決定のためのタイムリーで正確、高品質かつ実用的なデータを提供するモデルを構築します。SnapのAIプラットフォーム（別名Bento）は、多くの大規模なランキング、おすすめ、生成系AIのユースケースを支えています。過去1年間で、Snapの運用規模は4〜10倍に増加しました。下流のモデリングチームが使用する埋め込みを開発します。このチームは、SnapのMLモデル提供のスケーリングと多様化にとってミッションクリティカルです。
担当業務：
高可用性のマルチクラウドインフラ
開発者体験全体の最適化
高品質な機能を迅速に提供
コンテンツ
コンテンツチームの機械学習エンジニアとして、ストーリーやスポットライトのようなプラットフォームの核心にあるクリエイティビティとつながりを強化する、目立つショートビデオおすすめモデルの機能の開発に取り組むことになります。ユーザー体験の向上、スポットライトでのイノベーションの推進、レンズランキング、コンテンツクリエイターのサポート、コンテンツクリエイターのサポート、コンテンツの作成を簡単に行うことに注力します。私たちのチームは、マルチモーダルコンテンツの理解に取り組み、高度なグラフ表現学習とコンテンツランキングを使用して、ユーザーにとって最高の体験を実現します。私たちは、人間のレビューと最先端のパーソナライゼーション技術を活用して機械学習モデルを最適化し、短編ビデオコンテンツのイノベーションの最先端に立っています。
取り組むこと：
パーソナライズされたおすすめコンテンツ
コンテンツ作成のための生成AI
スポットライト、ストーリー、ディスカバーフィード、フレンドのおすすめなど、目立つ製品の機能を開発する
生成系AI
Snapの生成系AIチームはイノベーションの最前線にあり、Lens Studio、Lens Engine、レンズクラウドを含むSnapARを通じて拡張現実（AR）の未来を形作っています。Snapのエンジニアは、リアルなフィルター、物体認識、シーン理解などの動的な変換のためのリアルタイムの高度なAIモデルと機械学習モデルを構築し、MLレンズやドリームズなどの製品でシームレスなARインタラクションを保証します。Lens Studio 5.0は、生成系AIと従来のコンピュータービジョン技術を融合させた最先端のレンズを作成するための主要な開発者プラットフォームとして際立っています。生成系AIは、3Dモデリング、アニメーション、コーディングの専門知識を必要とせずに、クリエイターが魅力的なレンズを簡単にデザインできるようにします。
担当業務：
生成系AIモデルの開発と最適化
テキストから3D生成などのAI駆動ツールの構築
生成系AIとコンピュータービジョンを活用した機能の提供
収益化
収益化チームの機械学習エンジニアとして、広告エコシステム全体を構築し、最適化します。広告主やユーザーだけでなく、Snap全体にとっても、関連性とインパクトが高いことを推進します。リアルタイム入札や広告配信、オークション用の高性能システムの設計、上位、下位のランクの広告のパーソナライズ、広告のターゲティングと配信のためのソリューションの作成から、プラットフォーム全体で広告がシームレスに統合されるよう努めます。マルチタスク学習、シーケンスモデリング、ユーザー×広告インタラクションモデリングを使用することにより、数十億の例に基づいてモデルをトレーニングします。私たちのモデルは、ユーザーの人口統計を予測し、グラフ的なニューラルネットワークとコンテンツでオーディエンスのターゲティングを改善し、私たちの取り組みがどのようにSnapchatの広告プラットフォームの未来を形作るかを理解します。
取り組むこと：
AIが主導する広告
パーソナライズされた新しい広告製品と体験
Snapの主な収益の推進要因の所有者
最先端の広告製品の開発
コアグロース
コアグロースチームの機械学習エンジニアとして、15以上の製品にわたる検索と友達追加の体験を推進し、1億人以上の1日あたりのアクティブユーザー数をサポートします。Snapのチームは、グラフデータベース、大規模言語モデル（LLM）、専門家混合（MoE）、高度な機械学習スタックなどの先進技術を使用して、友達やコンテンツの検索を強化します。友達やコミュニケーションのグラフを通じてユーザーをつなぐ検索アルゴリズムを開発し、コンテンツ発見のためにビジュアルとテキストの埋め込みを使用し、ユーザーのクエリを予測する事前入力のおすすめで検索を強化します。検索インフラの最適化に加えて、チームの友達追加製品は、ユーザーが真に意味のあるつながりを築き、責任を持ってSnapchatコミュニティを成長させるのに役立ちます。この作業は、ユーザーのエンゲージメントと定着率を強化し、メッセージングやストーリーマップなどの他のSnapchat機能が大規模に発展することを可能にします。
担当業務：
AR体験の創造
大規模システム（毎日50億件の通知）
10億以上のノードと数千億のエッジを持つSnapchatのグラフ
