EY Machine Learning Engineer: CV, palabras clave y entrevista

No te llaman a entrevista después de aplicar a la vacante de Machine Learning Engineer en EY. Es frustrante, sobre todo cuando sabes que tienes el perfil. El problema casi nunca es tu experiencia, sino cómo la presentas. En las Big Four, el primer filtro es casi siempre una máquina, y tu CV tiene que hablar su idioma antes de convencer a un humano.

Vamos a arreglarlo. Esta guía te muestra cómo adaptar tu perfil para el proceso de selección de EY, qué palabras clave no pueden faltar y cómo preparar las entrevistas para no llevarte sorpresas.

El filtro automático: cómo sobrevivir al ATS de EY#

Antes de que un recruiter lea tu CV, un sistema de seguimiento de candidatos (ATS) lo escanea. Busca coincidencias con la descripción del puesto. Si tu CV no está alineado con el lenguaje de la oferta, desaparece en un limbo digital.

Tu primera tarea es descifrar la oferta de empleo. Copia el texto de la vacante y pégalo en nuestra herramienta para descodificar descripciones de puesto. Te dará un listado de las habilidades y palabras clave más importantes. Luego, usa el verificador de compatibilidad con ATS para ver si tu CV actual las incluye. Es un paso que te puede ahorrar semanas de espera.

Escribe un CV que pase el filtro y convenza al equipo#

En consultoría, valoran el impacto medible. No listes tareas, demuestra resultados. Tu CV debe contar una historia de cómo resuelves problemas de negocio con modelos de machine learning.

Palabras clave imprescindibles

Debes incluir las tecnologías y conceptos que EY busca. Analiza varias ofertas para confirmarlas, pero aquí tienes una lista base de lo que suelen pedir:

• Python, SQL
• Scikit-learn, TensorFlow, PyTorch
• AWS (SageMaker), Azure (ML Studio), GCP (Vertex AI)
• MLOps, CI/CD para ML, Docker, Kubernetes
• Computer Vision, NLP, Procesamiento del Lenguaje Natural
• Análisis de datos, modelado predictivo
• Comunicación de resultados a stakeholders no técnicos

Integra estas palabras de forma natural en tu sección de habilidades y, más importante, en la descripción de tus proyectos y experiencia.

Ejemplo práctico de un bullet point

No es lo mismo "trabajé con modelos" que "desplegué un modelo que ahorra dinero". Mira la diferencia.

• Antes: Participé en un proyecto de machine learning para analizar sentimiento en redes sociales.
• Después: Desarrollé y desplegué un modelo de NLP (BERT) en Azure para analizar el sentimiento de clientes en Twitter, reduciendo el tiempo de respuesta a quejas en un 40%.

El segundo es mejor. Es específico, usa una tecnología concreta (BERT, Azure) y cuantifica el impacto en el negocio (40% de reducción). Eso es lo que un manager de EY quiere ver.

Preparando la entrevista técnica y de competencias#

El proceso en EY suele tener varias fases: un primer filtro con RRHH, una o más entrevistas técnicas y una entrevista final con un socio o director. No te inventes nada, pero prepárate para hablar con confianza de cada punto de tu CV.

La entrevista técnica: demuestra cómo piensas

Aquí no solo buscan que sepas la respuesta, sino cómo llegas a ella. Prepárate para preguntas de machine learning fundamentales y para un caso práctico.

Te pueden pedir que expliques la diferencia entre L1 y L2 regularization, cómo manejarías un dataset desbalanceado o que diseñes un sistema de recomendación para un cliente hipotético. Habla en voz alta, estructura tu pensamiento y no tengas miedo de decir "no lo sé, pero investigaría X o Y".

La entrevista de competencias: el "fit" con la consultoría

EY es una consultoría. Necesitan gente que sepa comunicar con clientes, gestionar la incertidumbre y trabajar en equipo. Usan el método STAR (Situación, Tarea, Acción, Resultado) para evaluar tus respuestas.

Prepara ejemplos concretos de tu experiencia para preguntas como "cuéntame una vez que tuviste un conflicto en el equipo" o "describe un proyecto técnico complejo que tuviste que explicar a un público no técnico".

Ejemplo de respuesta al método STAR

Pregunta: "Cuéntame un proyecto donde los requisitos iniciales cambiaron a mitad de camino."

• Situación: Estaba desarrollando un modelo de detección de fraude para un cliente del sector financiero. A mitad del proyecto, el cliente cambió la prioridad.
• Tarea: Mi tarea era adaptar el modelo y el pipeline de datos para detectar un nuevo tipo de fraude que acababan de identificar, sin retrasar el plazo de entrega.
• Acción: Organicé una reunión de alineación con el cliente para entender los nuevos datos disponibles. Replanteé la arquitectura del modelo para hacerlo más modular y pude incorporar la nueva fuente de datos sin empezar de cero. Comunicaba los avances y riesgos cada dos días.
• Resultado: Entregamos el modelo a tiempo. La nueva versión no solo detectaba el fraude original, sino también el nuevo tipo, lo que supuso un valor añadido para el cliente y evitó una penalización por incumplimiento de plazos.

El contexto del mercado en España y LatAm#

Aplicar a una Big Four como EY en España tiene sus particularidades. Los salarios suelen ser competitivos, pero rara vez los más altos del mercado de ML. Se compite con fintech, startups bien financiadas y las grandes tecnológicas. El valor de EY está en la estabilidad, el prestigio del nombre en el CV y la exposición a proyectos de gran envergadura en sectores como banca, energía o retail.

En cuanto al salario, para un puesto de ML Engineer en España con 3-5 años de experiencia, las cifras reportadas suelen moverse en un rango de 40.000€ a 60.000€ brutos anuales, aunque esto varía mucho según la ciudad y tu perfil exacto. Si te postulas desde fuera de la UE, pregunta claramente sobre su política de visados en la primera llamada. No asumas nada. La información oficial la encuentras en portales de inmigración como el SEPE en España o los sitios de gobierno locales.

Para ver qué piden realmente en las ofertas actuales, echa un vistazo a las vacantes de machine learning que publicamos. Te dará una idea realista del mercado.

Herramientas gratis#

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

Preguntas frecuentes#

¿Qué nivel de experiencia suelen pedir para este puesto en EY?

Depende del nivel del puesto (Analyst, Consultant, Senior). Para un rol de "Engineer", suelen pedir entre 2 y 5 años de experiencia demostrable en proyectos de ML, no solo académicos. Buscan gente que haya puesto modelos en producción.

¿Es necesario tener un máster o un doctorado?

No es un requisito excluyente, pero un máster en Data Science, IA o un campo cuantitativo es muy común entre los candidatos. La experiencia profesional sólida y proyectos personales relevantes pueden compensar la falta de un posgrado.

¿Qué tipo de proyectos de ML son los más valorados?

Valoran proyectos donde se demuestra el ciclo completo: desde el entendimiento del problema de negocio hasta el despliegue (deployment) y monitorización del modelo. Los proyectos con impacto económico medible son los que más peso tienen.

¿Cuánto dura el proceso de selección completo?

Suele ser largo. Desde la primera aplicación hasta la oferta final pueden pasar fácilmente de 4 a 8 semanas. Incluye varias rondas de entrevistas y, a veces, una prueba técnica o un caso práctico.

¿Puedo aplicar desde fuera de España o LatAm?

Sí, pero sé transparente sobre tu situación de visado desde el principio. Las Big Four tienen experiencia patrocinando visados para perfiles muy cualificados, pero el proceso es lento y no está garantizado. Pregunta por los plazos y requisitos.