Staff Machine Learning Engineer Job at US Company in San Francisco
US Company, San Francisco, CA, United States
About Quizlet:
At Quizlet, our mission is to help every learner achieve their outcomes in the most effective and delightful way. Our $1B+ learning platform serves tens of millions of students every month, including two-thirds of U.S. high schoolers and half of U.S. college students, powering over 2 billion learning interactions monthly.
We blend cognitive science with machine learning to personalize and enhance the learning experience for students, professionals, and lifelong learners alike. We’re energized by the potential to power more learners through multiple approaches and various tools.
Let’s Build the Future of Learning
Join us to design and deliver AI‑powered learning tools that scale across the world and unlock human potential.
About the Team:
The Personalization & Recommendations ML Engineering team builds the core intelligence behind how Quizlet matches learners with content, activities and experiences that best fit their goals. We power recommendation and search systems across multiple surfaces, from home feed and search results to adaptive study modes.
Our mission is to make Quizlet feel uniquely tailored for every learner by combining cutting‑edge machine learning, scalable infrastructure and insights from learning science.
You’ll collaborate closely with product managers, data scientists, platform engineers and fellow ML engineers to deliver personalized learning pathways that drive engagement, satisfaction and measurable learning outcomes.
About the Role:
As a Senior or Staff Machine Learning Engineer on the Personalization & Recommendations team, you’ll design and build large‑scale retrieval, ranking, and recommendation systems that directly shape how learners discover and engage with Quizlet.
You’ll bring deep expertise in modern recommender systems — from deep learning‑based retrieval and embeddings to multi‑task ranking and evaluation — and help evolve Quizlet’s personalization stack to power adaptive, effective learning experiences.
You’ll work at the intersection of machine learning, product design, and scalable systems, ensuring our recommendations are performant, responsible, and aligned with learner outcomes, privacy, and fairness.
We’re happy to share that this is an onsite position in our San Francisco office. To help foster team collaboration, we require that employees be in the office a minimum of three days per week: Monday, Wednesday, and Thursday and as needed by your manager or the company. We believe that this working environment supports collaboration and accountability.
In this role, you will:
- Design and implement personalization models across candidate retrieval, ranking, and post‑ranking layers, leveraging user embeddings, contextual signals, and content features
- Develop scalable retrieval and serving systems using architectures such as Two‑Tower, deep ranking, and ANN‑based vector search for real‑time personalization across surfaces
- Build and maintain model training, evaluation, and deployment pipelines, ensuring reliability, training‑serving consistency, and robust monitoring
- Partner closely with Product and Data Science to translate learner objectives (engagement, retention, mastery) into measurable modeling goals and experimentation plans
- Advance evaluation methodologies, refining offline metrics (e.g., NDCG, CTR, calibration) and supporting rigorous A/B testing to measure learner and business impact
- Collaborate with platform and infrastructure teams to optimize distributed training, inference latency, and serving cost at scale
- Contribute to the long‑term technical vision for personalization and recommendations, aligning modeling strategy with Quizlet’s AI and product roadmaps
- Stay current with RecSys research and industry trends, bringing relevant advances from top conferences (KDD, WSDM, SIGIR, RecSys, NeurIPS) into production
- Mentor other engineers and applied scientists, fostering technical growth, experimentation rigor, and responsible ML practices
- Champion collaboration, inclusion, and curiosity, helping build a team culture that values diverse perspectives and data‑driven problem‑solving
What you bring to the table:
- 10+ years of experience in applied machine learning or ML‑heavy software engineering, with a strong focus on personalization, ranking, or recommendation systems
- Track record of measurable impact, improving key online metrics such as CTR, retention, or engagement through recommender or search systems in production
- Strong hands‑on skills in Python and PyTorch, with expertise in data and feature engineering, distributed training and inference on GPUs, and familiarity with modern MLOps practices — including model registries, feature stores, monitoring, and drift detection
- Deep understanding of retrieval and ranking architectures, including Two‑Tower models, deep cross networks, Transformers, or MMoE, and how to apply them in production contexts
- Experience with large‑scale embedding models and vector search (e.g., FAISS, ScaNN), including training, serving, and optimization at scale
- Proficiency in experiment design and evaluation, connecting offline metrics (AUC, NDCG, calibration) with online A/B test results to drive product decisions
- Ability to communicate complex technical ideas clearly, collaborating effectively with product managers, data scientists, and engineers across teams
- Growth and mentorship mindset, contributing to team learning and helping raise the bar for modeling quality, experimentation, and reliability
- Commitment to responsible and inclusive personalization, ensuring our ML systems respect learner privacy, fairness, and diverse goals
Bonus points if you have:
- Publications or open‑source contributions in RecSys, search, or ranking
- Familiarity with reinforcement learning for recommendations or contextual bandits
- Experience with hybrid RecSys systems blending collaborative filtering, content understanding, and LLM‑based reasoning
- Prior work in consumer or EdTech applications with personalization at scale
Compensation, Benefits & Perks:
- Quizlet is an equal opportunity employer. We celebrate diversity and are committed to creating an inclusive environment for all employees. Salary transparency helps to mitigate unfair hiring practices when it comes to discrimination and pay gaps. Total compensation for this role is market competitive, including a starting base salary of $209,920 - $285,000, depending on location and experience, as well as company stock options
- Collaborate with your manager and team to create a healthy work‑life balance
- 20 vacation days that we expect you to take!
- Competitive health, dental, and vision insurance (100% employee and 75% dependent PPO, Dental, VSP Choice)
- Employer‑sponsored 401k plan with company match
- Access to LinkedIn Learning and other resources to support professional growth
- Paid Family Leave, FSA, HSA, Commuter benefits, and Wellness benefits
- 40 hours of annual paid time off to participate in volunteer programs of choice
Why Join Quizlet?
🌎 Massive reach: 60M+ users, 1B+ interactions per week
🧠 Cutting‑edge tech: Generative AI, adaptive learning, cognitive science
📈 Strong momentum: Top‑tier investors, sustainable business, real traction
🎯 Mission‑first: Work that makes a difference in people’s lives
🤝 Inclusive culture: Committed to equity, diversity, and belonging
We strive to make everyone feel comfortable and welcome!
We work to create a holistic interview process, where both Quizlet and candidates have an opportunity to view what it would be like to work together, in exploring a mutually beneficial partnership.
We provide a transparent setting that gives a comprehensive view of who we are!
In Closing:
At Quizlet, we’re excited about passionate people joining our team—even if you don’t check every box on the requirements list. We value unique perspectives and believe everyone has something meaningful to contribute. Our culture is all about taking initiative, learning through challenges, and striving for high‑quality work while staying curious and open to new ideas. We believe in honest, respectful communication, thoughtful collaboration, and creating a supportive space where everyone can grow and succeed together.
Quizlet’s success as an online learning community depends on a strong commitment to diversity, equity, and inclusion.
As an equal opportunity employer and a tech company committed to societal change, we welcome applicants from all backgrounds. Women, people of color, members of the LGBTQ+ community, individuals with disabilities, and veterans are strongly encouraged to apply. Come join us!
To All Recruiters and Placement Agencies:
At this time, Quizlet does not accept unsolicited agency resumes and/or profiles.
Please do not forward unsolicited agency resumes to our website or to any Quizlet employee. Quizlet will not pay fees to any third‑party agency or firm nor will it be responsible for any agency fees associated with unsolicited resumes. All unsolicited resumes received will be considered the property of Quizlet.
#J-18808-Ljbffr
In Summary: The Personalization & Recommendations ML Engineering team builds the core intelligence behind how Quizlet matches learners with content, activities and experiences that best fit their goals . You’ll collaborate closely with product managers, data scientists, platform engineers and fellow ML engineers to deliver personalized learning pathways that drive engagement, satisfaction and measurable learning outcomes .
En Español:
Sobre Quizlet:
En Quizlet, nuestra misión es ayudar a cada alumno a lograr sus resultados de la manera más efectiva y deliciosa. Nuestra plataforma de aprendizaje $1B+ sirve a decenas de millones de estudiantes todos los meses, incluyendo dos tercios de los escolares secundarios estadounidenses y la mitad de los estudiantes universitarios de Estados Unidos, impulsando más de 2 mil millones de interacciones de aprendizajes mensuales.
Combinamos la ciencia cognitiva con el aprendizaje automático para personalizar y mejorar la experiencia de aprendizaje tanto para estudiantes, profesionales como aprendices de por vida.
Construyamos el futuro del aprendizaje
Únete a nosotros para diseñar y entregar herramientas de aprendizaje basadas en IA que se extiendan por todo el mundo y desbloqueen el potencial humano.
Sobre el equipo:
El equipo de Ingeniería ML Personalización y Recomendaciones construye la inteligencia principal detrás de cómo Quizlet combina a los estudiantes con contenido, actividades y experiencias que mejor se ajustan a sus objetivos.
Nuestra misión es hacer que Quizlet se sienta a medida de forma única para cada aprendiz mediante la combinación del aprendizaje automático de vanguardia, infraestructura escalable y conocimientos científicos.
Colaborará estrechamente con los gerentes de productos, científicos de datos, ingenieros de plataformas e otros ingenieros ML para ofrecer vías personalizadas de aprendizaje que impulsen el compromiso, la satisfacción y los resultados medibles del aprendizaje.
Sobre el papel:
Como Ingeniero Senior o Personal de Aprendizaje Automático en el equipo de Personalización y Recomendaciones, usted diseñará y construirá sistemas de búsqueda a gran escala, clasificación y recomendación que influirán directamente en la forma en que los estudiantes descubren e interactúan con Quizlet.
Usted aportará una profunda experiencia en los modernos sistemas de recomendación, desde la recuperación y las incorporaciones basadas en el aprendizaje profundo hasta la clasificación y evaluación multitarea y ayudará a desarrollar la pila de personalización de Quizlet para impulsar experiencias de aprendizaje adaptativas y efectivas.
Trabajará en la intersección del aprendizaje automático, el diseño de productos y los sistemas escalables, asegurando que nuestras recomendaciones sean eficaces, responsables y alineadas con los resultados del aprendiz, privacidad e imparcialidad.
Estamos encantados de compartir que este es un posición en el lugar Para ayudar a fomentar la colaboración en equipo, requerimos que los empleados estén un mínimo de tres días a la semana: lunes, miércoles y jueves y según lo necesite su gerente o la empresa.Creemos que este entorno de trabajo apoya la colaboración y la responsabilidad.
En este papel, usted:
- Diseñar e implementar modelos de personalización en las capas de recuperación, clasificación y post-ranking de candidatos, aprovechando las incorporaciones del usuario, las señales contextuales y las características del contenido
- Desarrollar sistemas de recuperación y servicio escalables utilizando arquitecturas como Two-Tower, ranking profundo y búsqueda vectorial basada en ANN para la personalización en tiempo real a través de superficies
- Construir y mantener líneas de formación, evaluación e implementación de modelos que garanticen la fiabilidad, la coherencia en el servicio de capacitación y un sólido seguimiento
- Colaborar estrechamente con Product and Data Science para traducir los objetivos de aprendizaje (engagement, retention, mastery) en metas medibles de modelado y planes de experimentación
- Metodologías de evaluación anticipada, perfeccionamiento de las métricas fuera de línea (por ejemplo, NDCG, CTR, calibración) y apoyo a pruebas A/B rigurosas para medir el impacto del aprendiz y la empresa
- Colaborar con equipos de plataforma e infraestructura para optimizar la capacitación distribuida, la latencia de inferencia y el coste a escala
- Contribuir a la visión técnica a largo plazo para la personalización y las recomendaciones, alineando la estrategia de modelado con la IA de Quizlets y los mapas de ruta del producto
- Mantenerse al día con las tendencias de la investigación y del sector RecSys, incorporando en la producción los avances relevantes de las principales conferencias (KDD, WSDM, SIGIR, RecSy, NeurIPS)
- Mentor a otros ingenieros y científicos aplicados, fomentando el crecimiento técnico, el rigor de la experimentación y las prácticas responsables del ML
- Campeón de la colaboración, la inclusión y la curiosidad, ayudando a construir una cultura en equipo que valora las perspectivas diversas y la resolución de problemas basada en datos
Lo que traes a la mesa:
- Más de 10 años de experiencia en aprendizaje automático aplicado o ingeniería de software pesada, con un fuerte enfoque en sistemas de personalización, clasificación o recomendación
- Récord de impacto medible, mejora de las métricas clave en línea como CTR, retención o compromiso a través de los sistemas de recomendación o búsqueda en producción
- Fuertes habilidades prácticas en Python y PyTorch, con experiencia en ingeniería de datos y características, capacitación distribuida e inferencia sobre GPUs y familiaridad con las modernas prácticas MLOps incluyendo registros de modelos, almacenes de funciones, monitoreo y detección de deriva
- Comprensión profunda de las arquitecturas de recuperación y clasificación, incluidos los modelos Two-Tower, redes cruzadas profundas, transformadores o MMoE, y cómo aplicarlas en contextos de producción
- Experiencia en modelos de incorporación a gran escala y búsqueda vectorial (por ejemplo, FAISS, ScaNN), incluyendo capacitación, servicio y optimización a escala
- Proficiencia en el diseño y la evaluación de experimentos, conectando métricas fuera de línea (AUC, NDCG, calibración) con los resultados de las pruebas A/B online para impulsar decisiones sobre productos
- Capacidad para comunicar claramente ideas técnicas complejas, colaborando eficazmente con los gerentes de productos, científicos de datos e ingenieros entre equipos
- Crecimiento y mentalidad de tutoría, contribuyendo al aprendizaje en equipo y ayudando a elevar el nivel para la calidad del modelado, experimentación y confiabilidad
- Compromiso con la personalización responsable e inclusiva, asegurando que nuestros sistemas ML respeten la privacidad de los estudiantes, equidad y objetivos diversos
Puntos de bonificación si tiene:
- Publicaciones o contribuciones de código abierto en RecSys, búsqueda o clasificación
- Familiarización con el aprendizaje de refuerzo para recomendaciones o bandidos contextuales
- Experiencia con sistemas híbridos RecSys combinando filtración colaborativa, comprensión del contenido y razonamiento basado en LLM
- Trabajo previo en aplicaciones de consumo o EdTech con personalización a escala
Compensación, beneficios y ventajas:
- Quizlet es un empleador de igualdad de oportunidades. Celebramos la diversidad y nos comprometemos a crear un entorno inclusivo para todos los empleados. La transparencia salarial ayuda a mitigar las prácticas injustas de contratación cuando se trata de discriminación y brechas salariales.
- Colaborar con su gerente y equipo para crear un equilibrio saludable entre el trabajo y la vida personal
- ¡20 días de vacaciones que esperamos que tomes!
- Seguros sanitarios, dentales y de visión competitivos (100% del empleado y 75% dependiente PPO, Dental, VSP Choice)
- Plan 401k patrocinado por el empleador con correspondencia de la empresa
- Acceso a LinkedIn Learning y otros recursos para apoyar el crecimiento profesional
- Permiso familiar pagado, FSA, HSA, prestaciones para viajeros y beneficios de bienestar
- 40 horas de descanso anual remunerado para participar en programas voluntarios elegidos
¿Por qué unirse a Quizlet?
Un alcance masivo: más de 60 millones de usuarios, 1B+ interacciones por semana
Tecnología de vanguardia: IA generativa, aprendizaje adaptativo, ciencia cognitiva
Un fuerte impulso: inversores de primer nivel, negocios sostenibles, tracción real
Misión-primero: Trabajo que hace una diferencia en la vida de las personas
Cultura inclusiva: Compromiso con la equidad, la diversidad y la pertenencia
¡Nos esforzamos por hacer que todos se sientan cómodos y bienvenidos!
Trabajamos para crear un proceso holístico de entrevistas, donde tanto Quizlet como los candidatos tengan la oportunidad de ver cómo sería trabajar juntos, explorando una asociación mutuamente beneficiosa.
Proporcionamos un entorno transparente que nos da una visión completa de quiénes somos!
En cierre:
En Quizlet, estamos entusiasmados con que personas apasionadas se unan a nuestro equipo aunque no compruebe cada casilla de la lista de requisitos. Valoramos las perspectivas únicas y creemos que todos tienen algo significativo para contribuir. Nuestra cultura consiste en tomar iniciativa, aprender a través de los desafíos y esforzarse por un trabajo de alta calidad mientras nos mantenemos curiosos y abiertos a nuevas ideas. Creemos en una comunicación honesta, respetuosa, colaboración reflexiva y crear un espacio de apoyo donde todo el mundo pueda crecer y tener éxito juntos.
El éxito de Quizlet como comunidad de aprendizaje en línea depende del fuerte compromiso con la diversidad, equidad e inclusión.
Como un empleador de igualdad de oportunidades y una empresa tecnológica comprometida con el cambio social, damos la bienvenida a solicitantes de todos los orígenes.
A todos los empleadores y a las agencias de empleo:
En este momento, Quizlet no acepta currículos y/o perfiles de agencias no solicitados.
Por favor, no envíe los currículos de agencia no solicitados a nuestro sitio web o a ningún empleado de Quizlet.
#J-18808-Ljbffr