Empleos de Machine Learning Engineer en United States: CV, entrevista y candidatura

Llevas meses perfeccionando modelos, pero tu candidatura para puestos de Machine Learning Engineer en United States no recibe respuesta. El problema rara vez es tu habilidad técnica. Es la traducción de tu perfil a un formato que el mercado estadounidense entiende y que los sistemas automáticos (ATS) pueden procesar.

Vamos a solucionar esto. Aquí tienes la hoja de ruta que necesitas, sin rodeos y con ejemplos concretos, para que tu CV, tu entrevista y tu estrategia de búsqueda funcionen.

Entiende el CV de una página#

Olvida el CV europeo o latinoamericano de dos o tres páginas. En Estados Unidos, la norma es una sola página. Punto. Los reclutadores dedican siete segundos al primer vistazo. Si no ven lo que buscan de inmediato, pasan al siguiente.

La estructura es simple y estricta: Nombre y contacto, un breve resumen profesional (opcional, pero útil si tienes experiencia), Experiencia Laboral, Educación y Habilidades Técnicas. Elimina foto, fecha de nacimiento, estado civil o nacionalidad. No son relevantes y pueden introducir sesgos.

La clave es la sección de experiencia. No listes tareas. Describe logros con datos. Un ATS busca palabras clave específicas, y un humano quiere ver el impacto.

Ejemplo de transformación de un bullet point

Imagina que tu CV actual dice:

• "Responsable del desarrollo de modelos de machine learning".

Esto es genérico. Un reclutador no sabe qué hiciste ni el resultado. Transformémoslo para el mercado estadounidense, añadiendo contexto, acción y resultado medible.

Antes (vago):

• Developed machine learning models for sales forecasting.

Después (concreto y medido):

• Developed and deployed a time-series forecasting model (Prophet, XGBoost) to predict regional sales, improving forecast accuracy by 15% and reducing inventory costs by an estimated $50k per quarter.

La segunda versión es más fuerte. Usa palabras clave (time-series, Prophet, XGBoost), muestra una acción clara (developed and deployed) y cuantifica el impacto (15% accuracy, $50k cost reduction). Este es el estándar que debes buscar.

La verdad sobre salarios y visas#

El salario de un MLE en EE. UU. es alto, pero varía mucho. Un puesto en San Francisco o Nueva York pagará más que uno en una ciudad del medio oeste, pero el coste de vida también es descomunal. Rangos típicos que se reportan van desde los $130,000 para puestos junior hasta más de $250,000 para roles senior en grandes tecnológicas, sin contar la compensación en acciones (stock). Estos números cambian rápido. Tu fuente de verdad debe ser siempre Glassdoor, Levels.fyi o Blind para datos actualizados por la comunidad.

El tema de la visa es el elefante en la habitación. Si no tienes permiso de trabajo, necesitarás que la empresa te patrocine. El visado más común es el H-1B, un sistema de lotería con un límite anual. Muchas empresas, especialmente las más pequeñas, no patrocinan por el coste y la incertidumbre. Aun las grandes tecnológicas están reduciendo su apoyo a patrocinios. Debes filtrar tu búsqueda en portales de empleo buscando "visa sponsorship" o "H-1B sponsorship". No hay garantías, y el proceso es largo. Investiga los requisitos oficiales en el sitio de USCIS.

Optimiza tu CV para el ATS#

El Applicant Tracking System (ATS) es un software que filtra CVs antes de que un humano los lea. Si tu CV no tiene las palabras clave correctas, no existes. No uses tablas, columnas o gráficos; muchos ATS no los leen bien. Usa un formato de texto limpio.

Tu objetivo es espejar el lenguaje de la job description (JD). Para encontrar las palabras clave adecuadas, puedes usar herramientas que analizan la oferta y te dicen qué términos te faltan. Un decodificador de ofertas de empleo te puede dar una ventaja real aquí. También es fundamental que tu CV sea legible para estas máquinas; una herramienta que analiza la compatibilidad con ATS puede darte un diagnóstico rápido y gratuito.

Prepárate para la entrevista técnica#

La entrevista para un MLE en EE. UU. tiene fases. Primero, una llamada con el reclutador o "hiring manager" para ver si hay un encaje cultural y técnico básico. Luego, una o dos rondas técnicas por videoconferencia.

Aquí, te enfrentarás a problemas de coding (algoritmos y estructuras de datos, estilo LeetCode), preguntas de system design (cómo diseñarías un sistema de recomendación a gran escala) y, lo más importante, preguntas de "machine learning design". Te darán un problema de negocio y te pedirán que diseñes una solución de ML de principio a fin: qué datos usar, qué modelo, cómo entrenarlo, cómo desplegarlo y cómo medir su éxito.

No memorices respuestas. Practica en voz alta. Explica tu razonamiento paso a paso. Los entrevistadores quieren ver cómo piensas, no solo si llegas a la respuesta correcta.

Checklist de tu candidatura#

Antes de enviar cualquier solicitud, revisa esta lista. No te saltes ningún punto.

• ¿Tu CV tiene una sola página?
• ¿Eliminaste toda información personal no relevante (foto, edad, etc.)?
• ¿Cada punto de tu experiencia describe un logro con datos y resultados?
• ¿Incluiste las palabras clave técnicas de la descripción del puesto (frameworks, lenguajes, algoritmos)?
• ¿Tu CV es un archivo .docx o .pdf simple, sin tablas ni columnas complejas?
• ¿Tu perfil de LinkedIn está actualizado y coincide con tu CV?
• ¿Para puestos que requieren visa, confirmaste que la empresa patrocina?

Dónde buscar ofertas#

No te limites a LinkedIn. Es un buen punto de partida, pero no el único. Usa Indeed para un volumen masivo de ofertas. Para roles más especializados en startups tecnológicas, plataformas como Wellfound (antes AngelList) son excelentes. No subestimes los portales de empleo específicos para hispanohablantes o la comunidad de tu país, que a veces tienen contactos directos. Puedes empezar a explorar oportunidades en el sector tecnológico en nuestros listados de empleos. Y para mantenerse al día con las tendencias del mercado, nuestro blog sobre carreras es un buen recurso.

Guion para la pregunta "cuéntame de ti"

Esta pregunta abre casi todas las entrevistas. No es un resumen de tu CV. Es tu "elevator pitch" de 90 segundos.

Ejemplo de respuesta estructurada: "Por supuesto. Soy un Machine Learning Engineer con más de cinco años de experiencia, enfocado en el desarrollo de sistemas de recomendación y modelos de NLP. En mi último puesto en [Empresa Anterior], lideré un proyecto para optimizar nuestro motor de recomendación, lo que resultó en un aumento del 8% en la tasa de clics. Estoy buscando un rol donde pueda aplicar mi experiencia en modelos a gran escala, y la posición de [Nombre del Puesto] en [Empresa Actual] me parece muy interesante por el desafío que describen en el apartado de [Mencionar algo específico de la JD]."

Herramientas gratis#

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

Preguntas frecuentes#

¿Debo usar un formato cronológico o funcional para mi CV?

Para MLE, el formato cronológico inverso es el estándar. El ATS y los reclutadores lo prefieren porque es fácil de seguir tu progresión de carrera. Un formato funcional, que agrupa habilidades, puede parecer que estás ocultando una trayectoria laboral con huecos o inestable.

¿Cuántas tecnologías debo listar en la sección de habilidades?

Más que cantidad, importa la relevancia. Lista entre 10 y 15 tecnologías clave para el puesto al que aplicas. Incluye lenguajes (Python, SQL), frameworks (TensorFlow, PyTorch, Scikit-learn), plataformas (AWS SageMaker, GCP Vertex AI, Azure ML) y herramientas (Docker, Git, Airflow).

¿Es la maestría o el doctorado obligatorio para conseguir un puesto?

No es obligatorio, pero es muy común y, en roles de investigación, casi un requisito. Si tienes un grado de licenciatura, necesitarás compensarlo con proyectos personales sólidos, contribuciones a open source y experiencia laboral demostrable para competir con candidatos con posgrado.

¿Cómo demuestro experiencia si vengo de academia o de otro país?

Traduce tu experiencia. Un proyecto de investigación se convierte en un experimento con una hipótesis, un dataset y unos resultados. Crea un portafolio en GitHub con proyectos que resuelvan problemas de negocio, no solo ejercicios de Kaggle. Documenta bien tu código y escribe un README claro.

¿Qué pasa si me preguntan por mis expectativas salariales?

Haz tu investigación primero (Glassdoor, Levels.fyi). Cuando te pregunten, da un rango basado en datos para el puesto, el nivel de experiencia y la ubicación. Puedes decir: "Basándome en mi investigación para roles similares en esta zona y mi nivel de experiencia, estoy buscando un rango entre $X y $Y. Pero estoy abierto a discutirlo en función del paquete de compensación total".