Oracle Machine Learning Engineer: CV, palabras clave y entrevista

Tu perfil de machine learning encaja en docenas de ofertas, pero no consigues ni una entrevista en Oracle. El problema no es tu experiencia, sino que tu CV no habla el idioma que sus filtros y reclutadores buscan. Oracle es un gigante con un ecosistema propio, y si no adaptas tu perfil, pasas desapercibido.

Preparar una candidatura para un puesto como Machine Learning Engineer en Oracle requiere más que listar tus proyectos. Requiere entender qué buscan, qué valoran y cómo presentar tus logros de forma que resuenen con su cultura tecnológica. Vamos a desglosar el proceso paso a paso.

Entiende el terreno: qué busca Oracle#

Oracle ya no es solo bases de datos. Con Oracle Cloud Infrastructure (OCI), compite directamente en el mercado de la nube y la inteligencia artificial. Buscan perfiles que no solo sepan construir modelos, sino que puedan desplegarlos y mantenerlos a escala en su infraestructura. La experiencia con OCI no es obligatoria, pero te da una ventaja enorme.

Sus ofertas de empleo suelen centrarse en tres pilares: la integración de modelos en sistemas de producción, el manejo de grandes volúmenes de datos y la seguridad. No les interesa tanto el último paper de moda, sino la solidez de tu trabajo de ingeniería. Piensa en MLOps, pipelines de datos robustos y optimización de costes en la nube.

Cómo adaptar tu currículum para Oracle#

Tu CV genérico no sirve. Debes hacer una cirugía fina para cada oferta. El primer paso es descifrar la descripción del puesto. Usa herramientas para analizar las palabras clave que más se repiten. Un decodificador de ofertas de empleo puede ayudarte a ver qué habilidades son prioritarias para el rol.

Una vez identificadas, integra esas palabras clave de forma natural en tu CV. No las pongas en una lista separada. La sección de "Habilidades" es importante, pero la magia ocurre en la descripción de tus experiencias. Aquí es donde demuestras, no solo afirmas.

Ejemplo práctico: reescribir un punto de tu CV

Imagina que en tu CV actual tienes esto:

• "Responsable de crear modelos de machine learning para predecir la rotación de clientes".

Es vago y pasivo. Ahora, adaptemos esto para una oferta de Oracle que pide experiencia en MLOps y despliegue en la nube.

• Antes: "Responsable de crear modelos de machine learning para predecir la rotación de clientes".
• Después: "Diseñé y desplegué un pipeline de MLOps en OCI para un modelo de predicción de churn (XGBoost), reduciendo el tiempo de despliegue a producción en un 70% y gestionando su monitorización con OCI Data Science."

La diferencia es abismal. El segundo es específico, usa verbos de acción y menciona directamente un servicio de Oracle. Demuestra impacto y familiaridad con su ecosistema. Haz esto con cada punto relevante de tu experiencia.

Las palabras clave que no pueden faltar en tu CV#

Más allá de los algoritmos, Oracle valora el conocimiento de su stack tecnológico. Si tienes experiencia con ellos, destácalos. Si no, considera hacer algún proyecto personal o certificación para poder mencionarlos con conocimiento.

• OCI Data Science
• OCI AI Services
• Oracle Database (especialmente la versión 23c con sus funcionalidades de ML)
• SQL y PL/SQL
• Python
• Spark y Data Flow en OCI
• Terraform o herramientas de IaC (Infraestructura como Código)
• Docker y Kubernetes (OKE es el servicio de Oracle)
• MLflow (integrado en OCI Data Science)
• Git

No pongas todo si no lo dominas. Sé honesto. Pero si tienes experiencia con el ecosistema de Oracle, asegúrate de que se vea a simple vista. Para encontrar más ideas sobre qué habilidades son demandadas, explora las ofertas de empleo tecnológicas activas.

Prepararse para la entrevista técnica#

El proceso de entrevistas en Oracle suele ser riguroso. Espera varias rondas: una inicial con RRHH, una o dos técnicas y, a veces, una final con el manager del equipo. Las rondas técnicas suelen combinar preguntas teóricas, un ejercicio de codificación y una discusión sobre tu experiencia pasada.

No inventes nada sobre sus procesos internos. No sabes si usan Agile puro, Scrum o Kanban. En lugar de adivinar, habla de tus experiencias reales y de cómo te adaptas. La clave es demostrar que eres un solucionador de problemas práctico, no un teórico.

Ejemplo de respuesta en la entrevista

Pregunta del entrevistador: "Cuéntame de un proyecto donde tuviste que lidiar con un modelo que funcionaba bien en el laboratorio pero fallaba en producción."

Respuesta débil: "Bueno, revisé el modelo y lo volví a entrenar con más datos. Al final funcionó."

Respuesta fuerte (usando el método STAR):

• Situación: "En mi anterior rol, desplegamos un modelo de detección de fraude en tiempo real. En las pruebas offline, tenía una precisión del 95%, pero en producción, su rendimiento cayó drásticamente la primera semana."
• Tarea: "Mi objetivo era identificar la causa raíz del problema y estabilizar el rendimiento del modelo sin interrumpir el servicio."
• Acción: "Primero, implementé un sistema de logging detallado para las predicciones y los datos de entrada. Descubrí que la distribución de los datos en producción era diferente a la del conjunto de entrenamiento (data drift). En lugar de re-entrenar desde cero, establecí un pipeline de re-entrenamiento automático con datos frescos, usando MLflow para versionar los modelos y un sistema de A/B testing para validar los nuevos modelos antes de reemplazar al anterior."
• Resultado: "En dos semanas, el modelo recuperó su rendimiento, manteniendo una precisión superior al 93% en producción. Además, el sistema de monitorización que implementé nos alertaba proactivamente de futuros drifts."

Esta respuesta demuestra pensamiento crítico, conocimiento técnico (data drift, MLOps) y un enfoque estructurado para resolver problemas. Es exactamente lo que un equipo de ingeniería quiere escuchar. Puedes encontrar más ejemplos y guías sobre el proceso de selección en nuestro blog.

Herramientas gratis#

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

Preguntas frecuentes#

¿Es obligatorio tener experiencia previa con Oracle Cloud?

No es estrictamente obligatorio, pero te da una ventaja competitiva muy grande. Si no la tienes, familiarízate con los servicios clave de OCI a través de su tier gratuito. Mencionar que has explorado OCI Data Science en un proyecto personal demuestra iniciativa e interés genuino.

¿Qué salarios se pueden esperar para este puesto en España?

Los salarios varían mucho según la experiencia, la ciudad y si es un puesto de contractor o plantilla. Como referencia general, un Machine Learning Engineer en España puede esperar rangos entre los 40.000€ y los 70.000€ brutos anuales. Para puestos senior o en equipos especializados de Oracle, la horquilla puede ser superior. Investiga siempre en fuentes actualizadas como Glassdoor o LinkedIn Salary.

¿Qué tipo de preguntas técnicas hacen en la entrevista?

Suelen ser prácticas. Espera preguntas sobre diseño de sistemas de ML (cómo diseñarías un sistema de recomendación), problemas de codificación en Python o SQL, y preguntas conceptuales sobre MLOps, como la diferencia entre un experimento y un modelo en producción. También es común que te pidan que expliques en profundidad un proyecto de tu CV.

¿Cuánto dura el proceso de selección?

El proceso puede ser largo. Desde la primera entrevista hasta la oferta final, pueden pasar entre 3 y 6 semanas. A veces más, dependiendo de la complejidad del puesto y la disponibilidad de los entrevistadores. La paciencia es clave. Mientras tanto, sigue buscando y preparando otras entrevistas.

¿Cómo puedo demostrar interés en Oracle si solo he trabajado con AWS o GCP?

Es una situación muy común. Enfócate en los conceptos transferibles. Explica que entiendes los principios de la nube (IaaS, PaaS, escalabilidad, seguridad) y que estás familiarizado con el ecosistema de Oracle a través de tu propia investigación. Menciona algún servicio de OCI que te parezca interesante y por qué. Muestra curiosidad, no conocimiento enciclopédico.