KI-Rolle · Offenes Angebot

Machine Learning Engineer — GenAI platforms

Meta

Vollzeit
Senior
Generative AI
Hybrid
1 Hacker Way, Menlo Park, CA 94025, United States · Hybrid
Menlo Park, United States
USD 180k–250k + RSU

Diese Ausschreibung ist optimiert für KI-native Talente: klare Skills und Tools, damit Kandidaten vor der Bewerbung einschätzen können, ob es passt — und Sie weniger Fehlpassungen screenen.

4 Skills2 Tools

Auf einen Blick

Arbeitsmodell, Ort und wichtige Daten des Inserats.

Anstellungsart: Vollzeit
Arbeitsort-Modell: Hybrid
Standort: 1 Hacker Way, Menlo Park, CA 94025, United States · Hybrid
Vergütung: USD 180k–250k + RSU
Erfahrungslevel: Senior
Team: Generative AI
Benefits

Über die Rolle

Was das Team sucht und wie die Position passt.

Meta is hiring a Senior Machine Learning Engineer — GenAI platforms on the Generative AI team (Hybrid · Menlo Park, United States). This is a hands-on role in LLM & generative AI—not a generic “AI enthusiast” post.

You will own LLM features, retrieval, agents, and evaluation end to end: problem framing, offline evaluation, safe rollout, and iteration from production signals. Success is measured with clear metrics (quality, latency, cost, or business KPIs)—not slide decks alone.

Meta scales generative AI across social and messaging products from Menlo Park.

Machine Learning Engineer: GenAI platforms, serving reliability, and quality loops for US-scale traffic.

Missions

Improve training/serving pipelines for generative features.
Own latency, cost, and quality regressions with clear SLOs.

Stack & environment

Python, PyTorch, Kubernetes, Docker.

What we look for

Large-scale ML systems; Bay Area hybrid readiness.

Gesuchte Skills

Was jede Fähigkeit in dieser Rolle bedeutet — keine reine Keyword-Liste.

Python
Production Python for data pipelines, model code, APIs, and automated tests—not notebook-only workflows.
PyTorch
Training and inference with PyTorch: reproducible experiments, checkpointing, and deployment-minded exports.
Machine Learning

Tools & Stack

Genannte Plattformen und Produkte für diese Rolle (APIs, IDEs, Vector-DBs, CRMs, Design-Tools usw.).

KubernetesTool
Deploying and scaling model services with health checks, autoscaling, and rollout discipline.
DockerTool
Containerized services and reproducible dev environments for ML and LLM workloads.

Sie passen besonders gut, wenn…

Auf diese Stelle zugeschnitten — prüfen Sie Ihre Passung vor der Bewerbung.

You can show evidence in your application: Production ML with clear latency/quality tradeoffs.
Several of these show up in recent shipped work—not only on your CV: Python, PyTorch, Machine Learning, MLOps, and Kubernetes.
You have owned LLM features, retrieval, agents, and evaluation in production: debugging live issues, running postmortems, and iterating from real user or business signals.
You are comfortable with the hybrid rhythm (Hybrid · Menlo Park, United States)—onsite collaboration when it matters, deep work when remote.
You explain trade-offs (quality, cost, latency, safety) in plain language—with numbers or examples, not buzzwords.

Bewerben

Nur mit Kandidatenkonto: tragen Sie Überschrift und Bio unter ein, optional einen CV-Link oder PDF, damit Recruiter Ihren vollen Lebenslauf sehen. Dann kurzes Pitch — Bewerbungen nutzen Ihre Login-E-Mail.

Was der Arbeitgeber möchte

Production ML with clear latency/quality tradeoffs.

Mit Kandidatenkonto anmelden, um sich zu bewerben

Registrieren Sie sich, fügen Sie Überschrift und Bio hinzu, dann können Sie unter Mein Konto einen CV-Link oder PDF anhängen, bevor Sie sich bewerben. So bleiben Bewerbungen mit Ihrem Profil verknüpft.

Anmelden Kandidatenkonto erstellen

Vorschläge

KI-Talente, die auch passen könnten

Profile nach Überschneidung mit Skills und Tools dieser Rolle — hilfreich beim Team-Recruiting oder für Alternativen.

Noch keine nahen Treffer im Verzeichnis — versuchen Sie mit eigenen Filtern.

Machine Learning Engineer — GenAI platforms

KI-Talente, die auch passen könnten

Ähnliche offene Stellen

Staff ML Platform Engineer — inference at scale

Research Engineer — InstaDeep careers Tunis

ML Engineer — OpenAI ecosystem (Toronto)

MLOps Engineer — model CI & monitoring

ML Engineer — fine-tuning & adaptation