TikTok Machine Learning Engineer: CV, palabras clave y entrevista

No consigues que tu CV para un puesto de Machine Learning en TikTok pase el primer filtro. Es frustrante. Envías docenas de solicitudes y solo recibes silencio. El problema no es necesariamente tu experiencia, sino que tu currículum no está hablando el idioma que el reclutador y el sistema de seguimiento de candidatos (ATS) esperan.

Vamos a arreglarlo. Esta guía te dará un plan claro para adaptar tu CV, identificar las palabras clave correctas y preparar las entrevistas con un enfoque realista, sin promesas vacías.

Entiende el puesto: más allá del título#

"Machine Learning Engineer" en una empresa como TikTok no es un rol genérico. Puede significar desde un científico de datos que construye modelos de recomendación hasta un ingeniero que optimiza la infraestructura de inferencia para millones de usuarios. Antes de tocar tu CV, necesitas descifrar la descripción del puesto.

Cada palabra en la oferta de trabajo es una pista. ¿Mencionan "ranking", "ads", "content understanding" o "speech"? Tu CV debe reflejar esa especialidad. No puedes enviar el mismo CV para un rol en el equipo de seguridad que para uno en el equipo de personalización. La personalización es la clave.

Cómo adaptar tu CV para TikTok#

Un CV genérico no funciona. Debes refactorizarlo para cada solicitud, igual que refactorizas código. El objetivo es que un reclutador, que quizás no es un experto técnico, vea en 10 segundos que tus habilidades coinciden con lo que buscan.

Paso 1: Usa las palabras clave correctas

Los sistemas ATS buscan términos específicos. Si no están, tu CV no existes para ellos. Extrae estas palabras directamente de la descripción del puesto.

• Herramientas y lenguajes: Python, PyTorch, TensorFlow, C++, SQL, Spark, Hadoop.
• Conceptos de ML: Deep Learning, NLP, Computer Vision, Recommender Systems, Reinforcement Learning, A/B testing, experimentación.
• Conceptos de infraestructura: MLOps, Docker, Kubernetes, CI/CD, microservicios, escalabilidad.
• Conceptos de negocio: engagement, retención, crecimiento de usuario, optimización de anuncios (ads).

Puedes usar una herramienta como el decodificador de descripciones de puesto gratuito en decodificador de ofertas para identificar rápidamente los términos clave de una oferta y asegurarte de incluirlos.

Paso 2: Reescribe tus logros, no tus tareas

El CV no es una lista de lo que hacías, sino de lo que conseguiste. Cada punto debe empezar con un verbo de acción fuerte y terminar con un resultado medible. Debes demostrar el impacto de tu trabajo.

Veamos un ejemplo concreto. Muchos candidatos escriben algo así:

Antes (vago y centrado en la tarea):

• Responsable del desarrollo de un modelo de machine learning para la detección de fraude.

Esto no dice nada sobre tu habilidad real. Ahora, reescríbelo para mostrar impacto y usar palabras clave relevantes.

Después (específico y centrado en el resultado):

• Desarrollé y desplegué un modelo de detección de fraude con XGBoost y LightGBM en un entorno de microservicios con Docker, reduciendo los falsos positivos en un 18% y ahorrando costes operativos estimados en el primer trimestre tras el lanzamiento.

La diferencia es abismal. El segundo punto demuestra habilidades técnicas concretas (XGBoost, Docker), un resultado medible (18% de reducción) y un impacto de negocio (ahorro de costes). Haz esto con cada una de tus experiencias.

Paso 3: Haz que tu CV sea legible para máquinas y humanos

Un diseño limpio y sencillo es siempre la mejor opción. Evita columnas complejas, gráficos o fuentes extravagantes que confunden a los ATS.

• Usa un formato cronológico inverso.
• Títulos de sección claros: "Experiencia", "Educación", "Habilidades Técnicas".
• Guarda como PDF a menos que te pidan explícitamente otro formato.
• Un formato limpio y optimizado para ATS es fundamental. Puedes verificar el tuyo con el verificador de CVs gratuito en chequeo ATS gratis.

Preparación para la entrevista: qué esperar#

El proceso en empresas de este calibre es exigente. No esperes preguntas triviales. Te enfrentarás a varias rondas que evalúan tus habilidades técnicas y tu forma de pensar.

Ronda técnica y de codificación

Espera preguntas de algoritmos y estructuras de datos de nivel medio a difícil, similares a las de LeetCode. Pero no se trata solo de resolver el problema. El entrevistador quiere ver tu proceso: cómo planteas el problema, cómo consideras diferentes soluciones y cómo optimizas tu código. Habla en voz alta mientras piensas.

Ronda de diseño de sistemas de ML

Esta es la ronda más específica y la que más te diferencia. Te plantearán un problema de negocio real de TikTok y te pedirán que diseñes un sistema de ML para resolverlo. Por ejemplo: "Diseña un sistema para recomendar videos cortos a un usuario nuevo".

Aquí se evalúa tu capacidad para pensar de forma integral:

1. Definición del problema: ¿Qué métrica optimizarás? (Tiempo de visualización, likes, etc.).
2. Datos: ¿Qué datos necesitarías y cómo los procesarías?
3. Modelo: ¿Qué tipo de modelo usarías como baseline y cuál como modelo final? (Ej. un modelo de dos torres para recuperación seguido de un ranking más complejo).
4. Entrenamiento y evaluación: ¿Cómo lo entrenarías y evaluarías offline y online (A/B testing)?
5. Despliegue: ¿Cómo lo pondrías en producción y lo monitorizarías?

Ronda de comportamiento (Behavioral)

Usan el método STAR (Situación, Tarea, Acción, Resultado). Prepárate con 3-4 historias de tus proyectos más importantes. Habla de un desafío técnico, un desacuerdo con un compañero o una vez que tuviste que tomar una decisión difícil con datos incompletos.

Aquí tienes un ejemplo de respuesta usando el método STAR para la pregunta "Cuéntame de un proyecto desafiante".

Pregunta: "Describe un proyecto donde enfrentaste un gran desafío técnico."

Respuesta (método STAR):

• Situación: "En mi puesto anterior, el equipo de producto quería predecir qué usuarios abandonarían la plataforma en los próximos 7 días para ofrecerles una promoción. El problema era que teníamos muy pocos datos etiquetados de 'churn', quizás un 2% del total de usuarios."
• Tarea: "Mi tarea era construir un modelo predictivo con una precisión suficiente para que la promoción fuera rentable, a pesar del fuerte desbalanceo de clases."
• Acción: "En lugar de solo usar técnicas de remuestreo como SMOTE, investigué y propuse un enfoque diferente. Primero, redefiní el problema como una tarea de ranking en lugar de clasificación. Usé un modelo LightGBM para asignar una puntuación de 'riesgo de abandono' a cada usuario. Esto evitaba el problema de fijar un umbral de probabilidad arbitrario. Además, realicé un análisis de error exhaustivo para entender qué tipo de usuarios el modelo estaba ignorando, lo que me llevó a incluir nuevas características basadas en la secuencia de sus últimas sesiones."
• Resultado: "El modelo final logró un AUC de 0.82, un 15% mejor que el modelo de regresión logística que usábamos como baseline. La campaña de retención dirigida por este modelo tuvo un ROI positivo, y el enfoque de ranking se adoptó como estándar para otros problemas similares en el equipo."

El mercado en España y Latinoamérica#

En España, las grandes tecnológicas como TikTok tienen presencia, a menudo en Madrid o Barcelona. Los salarios para un ingeniero de ML con experiencia suelen oscilar entre los 45.000€ y los 80.000€ brutos anuales, aunque pueden ser significativamente más altos para perfiles muy senior o de nicho. Estos rangos varían mucho, así que consulta siempre fuentes actualizadas.

Para puestos en LatAm, la contratación suele ser remota o en hubs tecnológicos como São Paulo o Ciudad de México. Los rangos salariales son muy variables según el país y la modalidad de pago (local o internacional). Investiga los rangos típicos en tu mercado específico.

Busca ofertas actualizadas en nuestro portal de empleo para ver qué se está pidiendo ahora mismo y encontrar oportunidades relevantes en empleos.

Preguntas frecuentes#

¿Necesito un máster o PhD para entrar en TikTok como ML Engineer?

Para roles de investigación pura o muy especializados, a menudo valoran un PhD. Sin embargo, para la mayoría de los puestos de ingeniería, la experiencia práctica demostrable con proyectos complejos y en producción pesa más que un título académico. Tu portafolio de proyectos es tu mejor carta de presentación.

¿Qué nivel de inglés se requiere?

El inglés es imprescindible. La documentación técnica, las reuniones con equipos globales y buena parte de las entrevistas se realizan en inglés. Se espera un nivel alto, tanto escrito como hablado, para poder comunicarte con fluidez y precisión.

¿Cuánto dura el proceso de selección?

El proceso es largo. Desde la primera entrevista hasta la oferta final pueden pasar fácilmente de 4 a 8 semanas. Incluye múltiples rondas técnicas, una entrevista de comportamiento y a veces una presentación final sobre un proyecto propio.

¿Es mejor aplicar a través de un referido?

Siempre. Una recomendación interna de un empleado actual es la forma más efectiva de asegurar que tu CV sea revisado por un humano. Si no conoces a nadie, LinkedIn es una buena herramienta para conectar con gente del equipo de forma respetuosa y directa.

¿Qué debo preguntar al final de la entrevista?

Haz preguntas sobre el equipo, los proyectos y los desafíos técnicos. Por ejemplo: "¿Cuál es el mayor desafío técnico al que se enfrenta el equipo actualmente?" o "¿Cómo es el proceso de experimentación y despliegue de modelos nuevos?". Evita preguntas sobre beneficios o horarios en las primeras fases. Para más consejos, puedes explorar otros artículos en nuestro blog.