面接一覧
Netflix logo

Netflix

シニア

Netflix のグローバルな吹き替え・字幕・ローカライズ UI を支える LLM の学習/推論インフラを構築する

Netflix の Globalization Data Science and Engineering チームが、LLM およびマルチモーダル LLM の学習と推論を、Netflix のグローバルカタログ全体でより高速に・よりスケーラブルに・より高信頼にするための ML エンジニアを採用します。モデリング職ではなく、システムと ML インフラを深く扱うロールです。分散学習、推論サービング、テクニカルリーダーシップに関する質問を想定してください。

この面接を練習する

無料 · この職種に合わせて調整されたライブ音声模擬面接

模擬面接を始める

この面接で問われること

  • 分散学習(並列化戦略、混合精度、高スループットなデータパイプライン)
  • LLM/マルチモーダル LLM の推論最適化(KV cache、バッチング、量子化、長コンテキストのサービング)
  • 本番 ML システムエンジニアリング(PyTorch、テスト、オブザーバビリティ、パフォーマンスプロファイリング)
  • テクニカルリーダーシップ:サイエンティスト・PM・エンジニアと連携して部門横断の ML ロードマップを推進する力
  • 大規模 ML システムに関するエンジニア/サイエンティストのメンタリング

よくある質問の方向性

データまたは計算リソースがボトルネックだった学習パイプラインを最適化した経験を順を追って説明してください。何を変え、どのような効果を計測しましたか

高スループット・低レイテンシな LLM サービングシステムのために、KV cache とバッチング戦略をどう設計しますか

本番のメディア向け ML モデルにおける、量子化・モデル圧縮手法と品質のトレードオフ

多数のアクセラレータにまたがる分散学習をどうスケールさせますか。どの並列化戦略を、なぜ選びますか

不確実な状況下で、サイエンティスト・PM・エンジニアを技術ロードマップに沿ってまとめ上げた経験を教えてください

元の求人ページを見る

Netflixの面接一覧

関連する面接