As a Research Engineer on our AI team, you will work at the intersection of applied research and production engineering, translating cutting-edge machine learning advances into scalable systems and real-world impact. In this role, you will implement and optimize AI models, run experiments to validate research hypotheses, and collaborate closely with research scientists to bring novel AI capabilities from prototype to deployment across Meta's family of products. ------- En tant qu'ingénieur de recherche au sein de notre équipe d'IA, vous travaillerez à l'intersection de la recherche appliquée et de l'ingénierie de production, en transposant les avancées de pointe de l'apprentissage automatique en systèmes évolutifs générant un impact concret. À ce titre, vous mettrez en œuvre et optimiserez des modèles d'IA, mènerez des expériences pour valider les hypothèses de recherche et collaborerez étroitement avec des chercheurs afin de faire passer de nouvelles capacités d'IA du prototype au déploiement dans l'ensemble des produits de Meta.
Responsibilities
Implement and optimize machine learning models and AI systems, translating research prototypes into production-quality code | Mettre en œuvre et optimiser des modèles d'apprentissage automatique et des systèmes d'IA, en transposant les prototypes de recherche en code de qualité production.
• Design and run controlled experiments to evaluate model performance, validate hypotheses, and inform data-driven decisions in collaboration with research scientists | Concevoir et mener des expériences contrôlées pour évaluer la performance du modèle, valider les hypothèses et éclairer les décisions fondées sur les données, en collaboration avec les chercheurs.
• Write clean, well-tested, and maintainable code for AI pipelines, including data preprocessing, model training, evaluation, and inference | Écrire du code propre, bien testé et maintenable pour les pipelines d'IA, incluant le prétraitement des données, l'entraînement des modèles, l'évaluation et l'inférence.
• Instrument AI systems with logging, monitoring, and alerting to track model behavior and detect regressions in production | Doter les systèmes d'IA de mécanismes de journalisation, de surveillance et d'alerte afin de suivre le comportement des modèles et de détecter les régressions en production.
• Participate in code reviews to improve code quality and share knowledge of AI engineering best practices with peers | Participer aux revues de code afin d'améliorer la qualité du code et de transmettre aux pairs les connaissances sur les pratiques exemplaires d'ingénierie de l'IA.
• Collaborate with cross-functional partners including research scientists, product engineers, and data scientists to define requirements and deliver AI-powered features | Collaborer avec des partenaires interfonctionnels, notamment des chercheurs, des ingénieurs de produits et des scientifiques des données, pour définir les exigences et fournir des fonctionnalités fondées sur l'IA.
• Identify and resolve performance bottlenecks in model training and inference pipelines to improve latency and computational efficiency | Identifier et résoudre les goulots d'étranglement des performances dans les pipelines d'entraînement et d'inférence des modèles afin d'améliorer la latence et l'efficacité de calcul.
• Contribute to technical documentation for new AI features, experimental findings, and system design decisions | Contribuer à la documentation technique relative aux nouvelles fonctionnalités d'IA, aux résultats expérimentaux et aux décisions de conception du système
• Follow privacy, security, and responsible AI practices throughout the model development and deployment lifecycle | Respecter les pratiques en matière de protection de la vie privée, de sécurité et d'IA responsable tout au long du cycle de vie du développement et du déploiement du modèle.
• Support safe rollout of AI model updates using feature flagging and staged deployment frameworks, monitoring key metrics during rollout | Assurer le déploiement sécurisé des mises à jour des modèles d'IA grâce à l'utilisation du marquage des fonctionnalités et des cadres de déploiement par étapes, en surveillant les indicateurs clés pendant le déploiement.
Minimum Qualifications
• Currently has, or is in the process of obtaining a Bachelor's degree in Computer Science, Computer Engineering, relevant technical field, or equivalent practical experience. Degree must be completed prior to joining Meta | Titulaire (ou en voie d'obtention) d'un baccalauréat en informatique, en génie informatique ou dans un domaine technique connexe, ou expérience pratique équivalente Le diplôme doit être obtenu avant l'entrée en fonction chez Meta
• Experience implementing machine learning models or AI systems in Python using frameworks such as PyTorch or TensorFlow | Expérience de la mise en œuvre de modèles d'apprentissage automatique ou de systèmes d'IA en Python à l'aide de frameworks tels que PyTorch ou TensorFlow
• Experience writing automated tests, debugging model or pipeline issues, and ensuring reliability of AI systems | Expérience en rédaction de tests automatisés, en débogage de problèmes de modèles ou de pipelines, et en garantie de la fiabilité des systèmes d'IA
• Experience with data analysis and experimentation, including designing and interpreting A/B tests or model evaluation experiments | Expérience en analyse de données et en expérimentation, notamment dans la conception et l'interprétation de tests A/B ou d'expériences d'évaluation de modèles
• Experience building and maintaining production-quality code, including code review participation and adherence to software engineering best practices | Expérience en matière de développement et de maintenance de code de qualité production, incluant la participation aux revues de code et le respect des meilleures pratiques d'ingénierie logicielle
Preferred Qualifications
• Experience with large-scale model training, distributed computing frameworks, or inference optimization techniques such as quantization or distillation | Expérience en matière d'entraînement de modèles à grande échelle, de frameworks de calcul distribué ou de techniques d'optimisation de l'inférence telles que la quantification ou la distillation
• Familiarity with ML infrastructure tooling including experiment tracking, model registries, or feature stores | Connaissance des outils d'infrastructure d'apprentissage automatique, notamment le suivi des expériences, les registres de modèles ou les magasins de caractéristiques
• Experience applying AI or machine learning to a specific product domain such as ranking, recommendation, natural language processing, or computer vision | Expérience en application de l'IA ou de l'apprentissage automatique à un domaine de produit spécifique tel que le classement, la recommandation, le traitement du langage naturel ou la vision par ordinateur
• Graduate degree in computer science related to machine learning / artificial intelligence | Diplôme d'études supérieures en informatique dans un domaine lié à l'apprentissage automatique ou à l'intelligence artificielle
• Exposure to responsible AI principles, including fairness evaluation, model interpretability, or privacy-preserving machine learning techniques | Sensibilisation aux principes de l'IA responsable, notamment l'évaluation de l'équité, l'interprétabilité des modèles ou les techniques d'apprentissage automatique préservant la vie privée
