
Maskinlæring @ Snap
Hos Snap arbeider maskinlæringsteknikere med hele prosessen og har eierskap over hele maskinlæringssystemet.

Maskinlæring @ Snap
Hos Snap arbeider maskinlæringsteknikere med hele prosessen og har eierskap over hele maskinlæringssystemet.

Maskinlæringsingeniør hos Snap
Som maskinlæringsingeniør hos Snap vil du sørge for Snapchat sin dynamiske opplevelse gjennom hele livssyklusen til avanserte toppmoderne modeller – fra dataforbehandling, funksjonsutvikling og modellopplæring, til distribusjon og løpende optimaliseringer. Du vil dra nytte av banebrytende teknikker, rangeringsalgoritmer for annonserelevans, anbefalingsmotorer for personlig tilpasset innhold og NLP for forbedrede interaksjoner – alt mens du behandler petabyte med data for over 850 millioner brukere.
Gjennom både klassiske og dype læringsmodeller vil du skape presise, responsive opplevelser som gir brukerne mulighet til å uttrykke seg, skape forbindelser og oppdage verden i sanntid.
Utforsk våre team
Våre maskinlæringsingeniører løser virkelige utfordringer innen maskinlæring.
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 ansetter!
Vår intervjuprosess dekker ingeniørfag, grunnleggende og anvendt maskinlæring.
Koding
Forvent å løse algoritmiske problemer som tester din ferdighet i datastrukturer, algoritmer og problemløsningsevner. Fokuser på din evne til å skrive ren, effektiv og godt dokumentert kode.
ML-grunnleggende
Du vil bli vurdert på ML-teori og kjernemodeller for maskinlæring, konsepter, teknikker og anvendelser. Vær forberedt på å diskutere veiledet og ikke-veiledet læring, anbefalingssystemer, rangering, modellevalueringsmetrikker og optimaliseringsteknikker.
Anvendt ML-design
Evaluerer din evne til å designe og anvende maskinlæringsløsninger på virkelige problemer. Du kan bli bedt om å gå gjennom hele prosessen med å velge modeller, funksjonsteknikk og evaluere ytelse. Noen ganger kan dette teste din evne til å løse problemer i et tvetydig miljø.
ML-systemdesign
Fokuset vil være på å designe skalerbare og robuste ML-systemer som kan håndtere storskala data og produksjonsmiljøer. Forvent å diskutere infrastrukturen og avveininger i arkitektur, modelldistribusjonsstrategier og systemovervåking.
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.

Innhold
Som en maskinlæringsingeniør på innholdsteamet vil du utvikle funksjoner for svært synlige anbefalingsmodeller for kortformvideoer som fremmer kreativitet og tilknytning i kjernen av plattformen vår, som Stories og Spotlight. Du vil fokusere på å forbedre brukeropplevelsen, drive innovasjon på tvers av Spotlight, Linse-rangering, støtte innholdskreatører og gjøre innholdsskaping enkelt. Teamet vårt tar for seg fler-modal innholdsforståelse, ved å bruke avansert grafrepresentasjonslæring og innholdsrangering for å fremheve den beste opplevelsen for våre brukere. Vi optimaliserer maskinlæringsmodeller gjennom menneskelig vurdering og utnytter banebrytende personaliseringsteknikker, noe som setter oss i forkant av innovasjon innen kortform videoinnhold.
Hva du vil jobbe med:
Personlige innholdsanbefalinger
Generativ AI for innholdsskaping
Utvikle funksjoner for svært synlige produkter som Spotlight, Stories, Utforsk og vennforslag

Generativ AI
Vårt team for Generativ AI er i forkant av innovasjon og former fremtiden for utvidet virkelighet (AR) gjennom SnapAR, som inkluderer Lens Studio, Lens Engine og Lens Cloud. Våre ingeniører bygger avanserte AI-modeller og maskinlæringsmodeller i sanntid for dynamiske transformasjoner, som realistiske filtre, objektgjenkjenning og sceneforståelse, og sikrer sømløse AR-interaksjoner for produkter som ML-linser og Drømmer. Lens Studio 5.0 skiller seg ut som den ledende utviklerplattformen for å skape banebrytende linser som blander generativ AI med tradisjonelle datasynsteknikker. Generativ AI gir skapere mulighet til å designe engasjerende linser uten problemer, uten å kreve ekspertise innen 3D-modellering, animasjon eller koding.
Hva du vil jobbe med:
Utvikle og optimalisere Generativ AI-modeller
Bygge AI-drevne verktøy som tekst-til-3D-generering
Levere funksjoner drevet av generativ AI og datasyn

Inntektsgenerering
Som maskinlæringsingeniør på inntektsgenereringsteamet vil du bygge og optimalisere hele annonseøkosystemet. Du vil skape høy relevans og stor påvirkning, ikke bare for annonsører og brukere, men for hele Snap. Fra å designe høyytelsessystemer for sanntidsbudgivning eller annonselevering og auksjoner, personalisere lette og tunge rangeringer, lage løsninger for annonsemålretting og levering, vil du fortsette å sikre sømløs integrasjon av annonser på tvers av plattformen. Du vil trene modeller på milliarder av eksempler, ved å bruke multi-task læring, sekvensmodellering og bruker x annonse interaksjonsmodellering. Våre modeller forutsier brukerens demografi for å forbedre målretting av publikum med graf-nevrale nettverk og innhold, for å forstå hvordan arbeidet vårt former fremtiden til Snapchats annonseplattform.
Hva du vil jobbe med:
AI-drevet annonsering
Nye personaliserte annonseprodukter og -opplevelser
Eier av Snap sin hovedinntektskilde
Utvikling av banebrytende annonseprodukter

Plattform
Som maskinlæringsingeniør i plattformteknikkteamet vil du bygge modeller som gir rettidige, nøyaktige, høykvalitets og handlingsrettede data for beslutningstaking som utgjør ryggraden i Snaps eksterne rapportering, eksperimentering og ML/rangering. Snaps AI-plattform (også kjent som Bento) driver mange storskala rangerings-, anbefalings- og Gen AI-brukstilfeller. I løpet av det siste året økte vår driftsskala med 4–10 ganger. Du vil utvikle embeddings som forbrukes av nedstrøms modelleringsteam. Dette teamet er avgjørende for å skalere og diversifisere Snaps ML-modelltilbud.
Hva du vil jobbe med:
Høyt tilgjengelig, flersky-infrastruktur
Optimalisering av hele utvikleropplevelsen
Levere høykvalitetsfunksjoner raskt

Tillit og sikkerhet
Vi vil at Snapchat skal være en trygg og positiv opplevelse for alle som bruker plattformen eller produktene våre. Derfor har vi laget regler og retningslinjer som forklarer rettighetene og ansvaret til alle medlemmer av fellesskapet vårt.
Hva du vil jobbe med:
Bygge personvernbevarende AI
Lansere nye sikkerhetsfunksjoner

Kjernevekst
Som maskinlæringsingeniør i kjernevekstteamet vil du drive søke- og venneopplevelsen på tvers av 15+ produkter, og støtte over 100 millioner daglig aktive brukere. Teamet vårt driver søk etter venner og innhold ved hjelp av avanserte teknologier, inkludert grafdatabaser, store språkmodeller (LLM-er), Mixture of Experts (MoE) og sofistikerte maskinlæringsstabler. Du vil utvikle søkealgoritmer som kobler brukere sammen gjennom venne- og kommunikasjonsgrafer, bruke visuelle og tekst-embeddings for innholdsoppdagelse og forbedre søk med forhåndstypeanbefalinger som forutsier brukernes søk. I tillegg til å optimalisere søkeinfrastrukturen, hjelper teamets venneprodukter brukere med å skape ekte, meningsfulle forbindelser for å ansvarlig utvide Snapchat-fellesskapet. Dette arbeidet styrker brukerengasjement og -bevaring, og gjør det mulig for andre Snapchat-funksjoner som meldinger og story-kart å blomstre i stor skala.
Hva du vil jobbe med:
Skape AR-opplevelser
Storskala system (5 mrd. varsler daglig)
Snapchats graf med 1+ milliarder noder og hundrevis av milliarder av kanter