Adyen Machine Learning Engineer: CV, palabras clave y entrevista

El proceso para un puesto de Machine Learning Engineer en Adyen es conocido por ser exigente y técnico. No es una empresa donde puedas pasar con un CV genérico y respuestas vagas. Necesitas demostrar que entiendes los problemas específicos del mundo de los pagos y que puedes construir sistemas de ML robustos a gran escala.

Si tu perfil no refleja esto desde el primer vistazo, probablemente no llegarás a la primera entrevista técnica. Vamos a ver cómo preparar tu candidatura de forma realista.

Cómo enfocar tu CV para Adyen#

Tu CV no es un listado de todo lo que has hecho. Es un documento de marketing. Para Adyen, debe comunicar tres cosas: solidez técnica en ML, experiencia con sistemas de producción a gran escala y, si es posible, algún interés o conocimiento del sector fintech o de pagos.

Olvida las plantillas creativas con columnas y gráficos. Los reclutadores y sistemas de seguimiento de candidatos (ATS) de empresas grandes como Adyen prefieren formatos limpios y lineales. Puedes usar nuestra herramienta gratuita de revisión de CV para ATS para asegurarte de que el tuyo es fácil de leer por el software.

Las palabras clave no son un capricho. Son el filtro básico. Si tu CV no menciona las tecnologías que usan, es muy probable que no avance. Basándome en sus ofertas de trabajo, las palabras clave técnicas más importantes suelen ser:

• Lenguajes: Python, Scala, Java.
• Frameworks de ML/DL: TensorFlow, PyTorch, Scikit-learn.
• Infraestructura y datos: AWS, GCP, Kubernetes, Docker, Spark, Airflow, SQL.
• Conceptos: MLOps, CI/CD para ML, despliegue de modelos, análisis de A/B tests, sistemas de recomendación, detección de fraude.

Aquí tienes un ejemplo de cómo reescribir una línea de experiencia para que sea más potente y relevante para un rol así.

Antes (vago): Responsable del desarrollo de modelos de machine learning para el equipo de marketing.

Después (específico y orientado a resultados): Desarrollé y desplegué un modelo de predicción de churn en PyTorch sobre AWS SageMaker, reduciendo la tasa de abandono en un segmento de clientes en un 8% trimestral. El pipeline completo, orquestado con Airflow, procesaba más de 5 millones de eventos diarios.

La segunda versión muestra la tecnología, el impacto medible y la escala. Eso es lo que quieren ver.

El proceso de selección: qué esperar en cada fase#

Adyen no es transparente con los detalles exactos de su proceso, pero el flujo general para roles técnicos en empresas de este calibre en Europa es bastante predecible. No inventaré etapas, pero sí puedo describir lo que es estándar y cómo prepararte para ello.

Generalmente, el proceso tiene estas fases:

• Filtro inicial con RRHH: Una conversación de 30-45 minutos. Buscan encaje cultural, motivación y una revisión superficial de tu experiencia. Tendrás que explicar por qué Adyen y por qué este puesto.
• Entrevista técnica (coding/algoritmos): Una o dos rondas resolviendo problemas de programación en un editor de código compartido. No esperes solo LeetCode hard. A veces son problemas más prácticos relacionados con datos o estructuras de datos que usarías en un rol de ML.
• Entrevista de diseño de sistemas de ML: Aquí es donde se pone interesante. Te plantearán un problema de negocio de Adyen y te pedirán que diseñes una solución de ML de principio a fin. Por ejemplo: "¿Cómo diseñarías un sistema para detectar transacciones fraudulentas en tiempo real?".
• Entrevista de "fit" o de comportamiento: Evalúan si encajas con sus valores. Usan preguntas tipo "Cuéntame una vez que..." para entender cómo has manejado situaciones pasadas.

Para la entrevista de diseño de ML, no buscan la respuesta perfecta. Quieren ver tu proceso de pensamiento. ¿Cómo defines el problema? ¿Qué datos necesitarías? ¿Qué métricas usarías para evaluar el modelo? ¿Cómo lo pondrías en producción y lo monitorizarías?

Ejemplo de respuesta en una entrevista de diseño#

Imagina que te preguntan: "¿Cómo mejorarías el sistema de recomendación de productos para los comercios que usan nuestra plataforma?".

Una respuesta estructurada podría ser:

1. Definición del problema y métricas: "Primero, definiría el objetivo de negocio. ¿Es aumentar el valor medio del pedido o la tasa de conversión? Supongamos que es la conversión. La métrica principal sería la tasa de clics (CTR) en las recomendaciones y, finalmente, la conversión. Como métrica offline, usaría precisión@k o NDCG".

2. Datos y modelo: "Necesitaríamos datos de interacción (clics, compras), datos de los productos (categoría, precio) y datos del usuario (historial). Para un primer modelo base, un simple filtrado colaborativo basado en ítems sería un buen punto de partida. Para algo más avanzado, consideraría un modelo de embeddings aprendidos, como un Two-Tower model, que escala bien para candidatos a millones de productos".

3. Sistema y producción: "Para la inferencia en tiempo real, no podemos calcular las recomendaciones sobre la marcha para cada usuario. Pre-calcularemos los embeddings de los productos y los indexaríamos en un sistema como FAISS o ScaNN. Para un usuario nuevo, usaríamos sus primeras interacciones para encontrar los embeddings más cercanos en milisegundos. El re-entrenamiento del modelo se haría diariamente con un pipeline en Spark".

Esta respuesta muestra un pensamiento estructurado y pragmático. No es la única solución, pero demuestra que sabes cómo funcionan los sistemas de ML en el mundo real.

El salario y el contexto europeo#

Adyen tiene oficinas principales en Ámsterdam, Madrid, São Paulo y otras ciudades. Los salarios para un MLE en Europa varían mucho. No voy a darte cifras falsas. Lo que se reporta en portales como Glassdoor o Levels.fyi para MLEs en Adyen en Ámsterdam suele oscilar entre los 80.000 € y los 120.000 € brutos anuales para perfiles mid-level, más un componente variable o acciones. En Madrid, las cifras suelen ser más bajas, acorde al mercado local.

Estos números son orientativos y cambian. Investiga siempre en fuentes actualizadas y pregunta directamente durante el proceso de selección. Ten en cuenta que si te trasladas a otro país de la UE, el coste de vida y la fiscalidad serán muy diferentes. Visita nuestra sección de ofertas de trabajo en el sector tecnológico para hacerte una idea del mercado actual.

Herramientas gratis#

• chequeo ATS gratis
• decodificador de ofertas
• empleos
• blog

Preguntas frecuentes#

¿Necesito tener experiencia previa en el sector financiero o de pagos?

No es un requisito estricto, pero es una ventaja muy grande. Si no la tienes, demuestra un interés genuino. Investiga sobre los retos de Adyen (fraude, optimización de conversiones, etc.) y piensa en cómo tus habilidades de ML podrían aplicarse a esos problemas. Muestra que has hecho tu tarea.

¿Cuánto dura todo el proceso de selección?

Depende, pero es razonable esperar entre 3 y 6 semanas desde la primera entrevista hasta la oferta final. Las grandes empresas tecnológicas suelen tener procesos largos. Puedes preguntarle al reclutador por la estimación de tiempos en la primera llamada para organizarte.

¿Qué tipo de preguntas de programación hacen?

Suelen ser problemas de dificultad media-alta de plataformas como LeetCode, pero enfocados en estructuras de datos y algoritmos eficientes. A veces, te dan un problema más práctico, como manipular un DataFrame de Pandas o implementar una métrica de evaluación desde cero. La clave es escribir código limpio, explicar tu razonamiento y considerar los casos borde.

¿Es necesario tener un máster o un doctorado en Machine Learning?

No, no es obligatorio. Lo que más valoran es la experiencia práctica demostrable en proyectos reales o complejos. Un portafolio sólido con proyectos en GitHub donde hayas desplegado modelos puede pesar más que un título académico. Dicho esto, para roles de investigación muy específicos, un doctorado puede ser un requisito.

¿Cómo puedo demostrar interés en Adyen durante la entrevista?

Ve más allá de "es una gran empresa". Menciona algo específico. Por ejemplo, podrías hablar de su enfoque de plataforma única para pagos en línea y físicos, o de algún artículo técnico de su blog de ingeniería que hayas leído. Prepara una o dos preguntas inteligentes sobre sus desafíos técnicos o su cultura de ingeniería. Eso marca la diferencia.