Accenture Machine Learning Engineer: palavras-chave de curriculo e entrevista

Você achou uma vaga de Machine Learning Engineer na Accenture, leu a descrição e não sabe o que colocar no currículo para passar pela triagem. É um problema comum. A Accenture contrata para projetos de clientes diferentes, então a mesma vaga de título parecido pode pedir coisas bem distintas.

Vou te mostrar como ler essa vaga, quais palavras-chave aparecem com frequência, como reescrever seu currículo e o que preparar para a entrevista, sem inventar processo interno da empresa.

Como a Accenture costuma descrever essas vagas#

A Accenture é uma consultoria. Isso muda bastante o perfil esperado. Não é só construir modelo, é entregar solução dentro do projeto do cliente, com prazo, com time misto e com restrições que você não controla.

As vagas de Machine Learning Engineer costumam misturar três coisas: engenharia de dados e deploy, modelagem, e integração com o time de negócio ou de engenharia do cliente. Se seu currículo só fala de acurácia de modelo, você vai parecer incompleto.

Pelo que se vê nas descrições públicas, os requisitos mais comuns são Python, SQL, nuvem (AWS, Azure ou GCP), Docker, orquestração (Airflow ou similar), Git e algum framework de ML (scikit-learn, XGBoost, PyTorch ou TensorFlow). Ferramentas de MLOps, como MLflow, Kubeflow ou SageMaker, aparecem bastante. Aprender a ler esses requisitos com precisão ajuda muito, e o decodificador de vagas pode te dar uma mão nisso.

Palavras-chave que valem aparecer no currículo#

Não adianta jogar palavras soltas no documento. Elas precisam estar dentro das suas experiências reais, em frases que mostrem o que você fez. Mas vale saber o que os recrutadores e os sistemas de triagem procuram.

Lista de termos que aparecem com frequência nessas vagas:

• Python, SQL, Git, Docker, CI/CD
• AWS, Azure, GCP, SageMaker, Vertex AI
• scikit-learn, XGBoost, PyTorch, TensorFlow
• Airflow, Kubeflow, MLflow, Feature Store
• testes automatizados, versionamento de modelos, monitoramento
• deploy de modelos, API, batch inference, latency
• comunicação com stakeholders, trabalho em time multidisciplinar
• inglês para leitura técnica, e às vezes para reunião

Se a vaga está em inglês, seu currículo deve estar em inglês também. Se está em português, não precisa traduzir nada. Confira o texto da vaga e siga o idioma dela.

Depois de montar seu documento, vale conferir se ele passa por sistema de triagem. O verificador de currículo gratuito pode apontar problemas de formatação que atrapalham a leitura automática.

Como reescrever seu currículo para essa vaga#

O erro mais comum é listar tecnologias sem contexto. "Python, Docker, AWS" sozinho não diz nada. O recrutador quer saber o que você fez com essas ferramentas, em que escala, com qual resultado.

Outro erro é adaptar o currículo inteiro. Você não precisa refazer tudo. Altere o resumo profissional e reescreva de três a cinco bullets das experiências mais recentes, usando as palavras da vaga.

Exemplo de bullet antes e depois:

Antes: "Responsável por modelos de previsão de demanda."

Depois: "Desenvolvi e coloquei em produção modelos de previsão de demanda em Python e XGBoost, com deploy via API em AWS e retrain mensal automatizado com Airflow, atendendo o time de operações de três unidades."

A segunda versão mostra ferramenta, método, entrega e impacto. É o formato que funciona.

Mais um exemplo, para alguém com menos experiência:

Antes: "Estágio em ciência de dados, análise de dados."

Depois: "Construí pipeline de features em SQL e Python para modelo de churn, particionei a base em treino e teste com validação temporal e documentei o processo no Git, reduzindo o tempo de preparação de dados em cerca de 40%."

Se você não tem número exato, use uma estimativa honesta e diga que é estimativa. Não invente métrica. Recrutador experiente percebe.

O que a entrevista costuma cobrar#

Não vou afirmar como é o processo interno da Accenture, porque ele muda por país, por área e por cliente. O que dá para fazer é se preparar para os tipos de avaliação que aparecem nesse tipo de vaga, que são mais ou menos previsíveis.

Espero uma conversa inicial com recrutador, uma etapa técnica com exercícios ou discussão de projeto, e uma conversa com o time do projeto. Pode haver teste assíncrono ou case para casa. Varia.

Na parte técnica, prepare três coisas: explicar um projeto seu do começo ao fim, resolver problema de código ao vivo, e discutir trade-offs de modelo e de deploy. A parte de deploy costuma pegar gente despreparada.

Na parte de fit, o que pesa é entender o trabalho em consultoria: cliente muda de ideia, escopo aperta, você precisa se comunicar com gente que não é técnica. Tenha exemplos seus sobre isso.

Exemplo de resposta para a pergunta mais comum#

Pergunta: "Fale sobre um projeto de machine learning que você entregou."

Resposta: "Em 2024 eu trabalhei num modelo de previsão de demanda para uma empresa de varejo. O problema era que o time de compras planejava demanda no Excel e errava muito. Eu levantei os dados históricos com SQL, montei features de sazonalidade e de calendário, e testei três modelos. O XGBoost ganhou, mas o mais difícil foi o deploy. A previsão precisava rodar toda madrugada, então montei um pipeline com Airflow e subi a API no SageMaker. Quando o modelo degradou depois de uma mudança de preço, eu coloquei um monitoramento simples que alertava quando o erro passava de um limite. A lição que eu levei foi que modelo bom sem monitoramento vira problema depois de dois meses."

Essa resposta funciona porque mostra método, dificuldade real e aprendizado. Não é genérica.

Preparação prática, semana a semana#

Se você tem duas ou três semanas antes da entrevista, siga isso:

• Leia a vaga com atenção e marque as palavras que você não tem no currículo
• Reescreva de três a cinco bullets das suas experiências mais recentes
• Escolha dois projetos seus e escreva o roteiro do que falar sobre cada um, do problema ao resultado
• Revise fundamentos: viés de variância, validação cruzada, vazamento de dados, overfitting
• Pratique código ao vivo em Python e SQL, no mínimo uma hora por dia
• Monte um exemplo seu de deploy, mesmo que pequeno, para ter o que mostrar
• Prepare duas perguntas para fazer ao entrevistador sobre o projeto e sobre o time
• Confira as vagas abertas de machine learning para entender o que o mercado está pedindo agora

Esse último ponto importa porque as descrições mudam. O que era requisito em 2024 pode ser diferencial em 2026.

Cuidados com o mercado brasileiro#

Algumas coisas valem para o Brasil e não necessariamente para outros países. Vagas da Accenture aqui podem pedir disponibilidade para trabalho híbrido ou presencial em São Paulo, Rio de Janeiro ou outras capitais onde há escritório. Confirme isso antes de avançar, porque muda sua decisão.

Sobre salário, não vou dar número. A faixa varia muito por nível, por cidade e por cliente final. Sites de comparação salarial têm estimativas, mas elas são imprecisas. Combine a expectativa com o recrutador na primeira conversa e confira a fonte oficial quando houver piso da categoria.

Sobre modelo de contratação, pode ser CLT, pode ser contrato como PJ, dependendo da vaga. Leia o anúncio com atenção e pergunte na conversa inicial. Não assuma.

Se você está começando em machine learning e ainda não tem experiência formal, vale olhar vagas de nível júnior ou de analista para entrar e migrar depois. Tem bastante vaga de ciência de dados e engenharia de dados que usa o mesmo conjunto de ferramentas.

Ferramentas grátis#

• jobrise.io/pt/free-ats-checker/
• jobrise.io/pt/free-jd-decoder/
• jobrise.io/pt/jobs/
• jobrise.io/pt/blog/

Perguntas frequentes#

Preciso ter experiência em consultoria para ser considerado?

Não. O que pesa é conseguir mostrar que você trabalha com prazo, com requisito que muda e com gente de perfis diferentes. Se você nunca trabalhou em consultoria, use exemplos de projetos com cliente interno, com outras áreas ou com stakeholders não técnicos.

Meu currículo precisa estar em inglês?

Depende do idioma da vaga. Se a descrição está em inglês, mande em inglês. Se está em português, português resolve. O que não faz sentido é enviar currículo em português para vaga escrita em inglês.

Quanto tempo leva o processo seletivo?

Varia bastante, de algumas semanas a mais de um mês, dependendo da área e do cliente. Não existe prazo padrão que dê para afirmar. Pergunte ao recrutador na primeira conversa qual é a previsão.

Posso me candidatar sem ter todos os requisitos listados?

Pode, desde que você tenha a maior parte dos requisitos principais e esteja disposto a aprender o resto. Se a vaga pede quatro anos de experiência e você tem um, é improvável. Mas se pede ferramenta específica que você nunca usou, e você tem as equivalentes, vale tentar.

O que fazer se eu não passar?

Peça feedback ao recrutador, mesmo que a resposta seja curta. Anote o que faltou, estude por ali e volte a se candidatar depois de alguns meses. Muita gente entra na Accenture em uma segunda ou terceira tentativa, depois de fechar uma lacuna técnica.