TCS Machine Learning Engineer: CV, palabras clave y entrevista

No te llaman a entrevista aunque sabes que cumples con el perfil. Envías el mismo CV a todas las ofertas de TCS y el silencio es la respuesta. El problema no es tu experiencia, sino cómo la presentas. TCS, como gran empresa de consultoría, recibe cientos de solicitudes y la primera criba es casi siempre automática.

Entiende lo que TCS busca realmente#

TCS no es una startup de producto. Es una consultora. Esto significa que buscan perfiles que puedan asignar a proyectos de clientes muy diferentes: banca, retail, telecomunicaciones. Tu CV debe mostrar que eres adaptable, que aprendes rápido y que entiendes de negocio, no solo de código.

Un ingeniero de machine learning en TCS no solo entrena modelos. A menudo es el puente entre los datos del cliente y la solución técnica. Debes demostrar que puedes explicar conceptos complejos a gente no técnica y que entiendes el ciclo de vida completo de un proyecto, desde la extracción de datos hasta el despliegue en producción.

Optimiza tu CV para pasar el filtro automático#

El primer filtro es un sistema de seguimiento de candidatos (ATS). Si tu CV no tiene las palabras clave correctas, un humano nunca lo verá. Analiza cada oferta de empleo. No uses el mismo CV para todas.

Usa herramientas para comparar tu CV con la descripción del puesto. Puedes pasar tu documento por el verificador de compatibilidad con ATS gratuito de jobrise para ver qué términos te faltan. También te ayudará a descifrar las descripciones de trabajo con el decodificador de descripciones de puesto.

Haz una lista de las tecnologías que más se repiten en las ofertas de TCS para ML Engineer. Suelen ser:

• Python (con librerías como Scikit-learn, Pandas, NumPy, PyTorch o TensorFlow)
• SQL y bases de datos relacionales
• Servicios de la nube (AWS, Azure o GCP), especialmente sus herramientas de ML (SageMaker, Azure ML, Vertex AI)
• Docker y, a veces, Kubernetes para despliegues
• Conceptos de MLOps: CI/CD para modelos, monitorización, versionado de datos
• Git y control de versiones

No listes todo lo que sabes. Prioriza lo que pide la oferta concreta. Si mencionan Azure ML tres veces, tu experiencia con esa plataforma debe ser muy visible.

Reescribe tus logros, no tus tareas#

TCS quiere ver impacto. "Desarrollé un modelo de machine learning" no dice nada. "Desarrollé un modelo de detección de fraude que redujo los falsos positivos en un 15% y ahorró al cliente 200.000 euros anuales" sí dice algo.

Concreta siempre con métricas: porcentajes, cifras de ahorro, reducción de tiempo, mejora de precisión. Si no tienes números exactos, da un orden de magnitud y sé honesto: "contribuí a reducir el tiempo de procesamiento de X a Y".

Ejemplo de bullet reescrito:

• Antes: Implementé algoritmos de recomendación.
• Después: Diseñé y desplegué un sistema de recomendación colaborativo en AWS SageMaker, aumentando la tasa de clics en un 8% y el valor medio del pedido en un 5% para un cliente de e-commerce.

Prepara 3 o 4 bullets así para tus proyectos más relevantes. Cuéntalos con la estructura problema, acción, resultado.

Prepara la entrevista técnica y de caso#

El proceso en TCS suele tener varias fases: criba de RRHH, entrevista técnica y, a veces, una entrevista con el cliente final. La técnica puede ser un mix de preguntas teóricas, código en vivo y un caso de negocio.

Para la parte teórica, repasa los fundamentos: qué es el sobreajuste y cómo evitarlo, diferencia entre precisión y recall, cuándo usar un árbol de decisión vs. una regresión logística. No intentes sonar académico. Explica con palabras sencillas, como si le hablaras a un compañero.

Para el caso, te pueden dar un problema de negocio real: "Un banco quiere reducir la deserción de clientes. ¿Qué harías?". No saltes a modelar. Primero pregunta para entender el contexto: ¿Qué datos tenemos? ¿Qué significa "deserción" para ellos? ¿Cuál es el objetivo de negocio real (reducir costes, aumentar retención)? Luego propón un plan paso a paso, desde el análisis exploratorio hasta la validación del modelo.

Ejemplo de respuesta a una pregunta técnica:

• Pregunta: ¿Qué es el desbalance de clases y cómo lo manejarías?
• Respuesta: Es cuando una clase tiene muchos más ejemplos que otra, como en la detección de fraude donde los casos fraudulentos son el 1%. Un modelo entrenado así tiende a predecir siempre la clase mayoritaria. Para manejarlo, primero miro si puedo obtener más datos de la clase minoritaria. Si no, pruebo técnicas como sobremuestreo (SMOTE) o ajustar los pesos de las clases en el algoritmo. También es clave usar métricas adecuadas como el F1-score o la curva ROC-AUC en lugar de solo la exactitud.

Cómo destacar sin inventar#

No exageres tu nivel. Si usaste Docker en un proyecto personal, dilo. Si tu experiencia con nube es en proyectos académicos, sé claro. TCS valora la honestidad porque deben garantizar al cliente que el perfil asignado cumple.

Investiga sobre TCS. Lee sus informes anuales, sus casos de éxito públicos. En la entrevista, menciona algo específico: "Vi que trabajan mucho con el sector financiero en LATAM. Mi experiencia en modelos de riesgo crediticio podría ser relevante". Eso muestra interés real.

Mantén tu perfil de LinkedIn actualizado y coherente con tu CV. Los reclutadores de TCS lo miran. Asegúrate de que las fechas y los proyectos coincidan. Usa el mismo vocabulario clave.

Para encontrar ofertas activas de TCS y entender qué perfiles buscan ahora mismo, revisa las ofertas de empleo en tecnología en jobrise. Filtra por "machine learning" y "TCS". Lee 10 descripciones. Anota las palabras y habilidades que se repiten. Ese es tu mapa.

Herramientas gratis#

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

Preguntas frecuentes#

¿Qué nivel de inglés piden para un puesto de ML Engineer en TCS?

Depende del proyecto y la región. Para clientes globales, suelen pedir un nivel alto (B2 o C1) porque tendrás que comunicarte con equipos internacionales. En proyectos locales, puede ser intermedio. Siempre pregunta en la primera entrevista cuál es el requisito exacto para el puesto al que aplicas.

¿Es verdad que TCS paga menos que otras empresas de tecnología?

Los salarios varían mucho según el país, tu experiencia y el proyecto. TCS puede ofrecer paquetes competitivos, pero a veces por debajo de empresas de producto. Lo importante es negociar basándote en tu investigación de mercado. Consulta rangos salariales para tu perfil y región en sitios de empleo, pero ten en cuenta que son reportes, no garantías.

¿Cuánto dura típicamente el proceso de selección en TCS?

El proceso puede tomar de 3 a 6 semanas. Incluye criba, entrevistas técnicas (puede haber más de una) y, a veces, una entrevista final con el cliente. La velocidad depende de la urgencia del proyecto. Si no tienes respuesta en 2 semanas, es aceptable enviar un correo breve de seguimiento.

¿Necesito certificaciones específicas de nube para entrar?

No son obligatorias, pero ayudan. Una certificación de AWS, Azure o GCP demuestra conocimiento estructurado. Si no tienes, no te detengas. Enfócate en mostrar proyectos donde hayas usado esos servicios de forma práctica. La experiencia vale más que el papel, pero la combinación es ideal.

¿Puedo aplicar si no tengo experiencia directa en machine learning pero sí en análisis de datos?

Sí. Muchos ML Engineers vienen del análisis de datos. Destaca tus habilidades de programación en Python, tu conocimiento de estadística y tu capacidad para trabajar con grandes volúmenes de datos. Enfatiza proyectos donde hayas hecho predicciones o segmentación, aunque no hayas desplegado un modelo completo en producción. Muestra que entiendes el proceso.