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

Você está montando o currículo para uma vaga de Machine Learning Engineer na ByteDance e não sabe quais termos o recrutador procura. É uma dúvida comum. A empresa recebe muitos candidatos, e currículos genéricos caem rápido na pilha de rejeitados.

Não existe uma lista oficial de palavras-chave da ByteDance. Ninguém de fora sabe exatamente o que o sistema deles filtra. Mas dá para inferir bastante coisa pelo que a empresa faz e pelo que a descrição da vaga pede. Vou mostrar como fazer isso sem inventar processo interno nenhum.

O que a ByteDance realmente precisa#

Pense no produto antes de pensar na empresa. TikTok, CapCut, Douyin e outros apps da ByteDance vivem de recomendação de conteúdo, ranking, busca, visão computacional e processamento de linguagem em escala absurda. Um engenheiro de ML lá provavelmente mexe com modelos que afetam milhões de pessoas no mesmo dia.

Isso muda o que importa no seu currículo. Não basta listar "Python, TensorFlow, machine learning". O recrutador quer saber se você entende sistemas de recomendação, se sabe treinar modelo em volume grande de dados e se coloca coisa em produção. Modelagem sozinha não impressiona.

Palavras-chave que fazem sentido#

As palavras-chave certas vêm de três lugares: a descrição da vaga, os requisitos técnicos listados e a linguagem comum do setor. Nada de adivinhação.

Termos que aparecem com frequência em vagas de ML em empresas de produto de consumo:

• sistemas de recomendação, ranking, retrieval e re-ranking
• NLP, embeddings, transformers, LLM, fine-tuning
• visão computacional, detecção de objetos, segmentação
• feature engineering, feature store, data pipeline
• MLOps, model serving, monitoramento de modelos, drift
• PyTorch, TensorFlow, Spark, Kubernetes, Airflow
• A/B testing, métricas de negócio, offline e online evaluation
• distributed training, GPU, otimização de inferência

Não coloque tudo isso no currículo. Só o que você realmente sabe fazer. Recrutador de ML identifica exagero em duas perguntas.

Como adaptar o currículo sem inventar nada#

Abra a descrição da vaga e grife os termos técnicos que aparecem. Depois compare com seu currículo. Se a vaga pede "sistemas de recomendação" e você já trabalhou com ranking, use a palavra "recomendação" ou "ranking" na descrição da sua experiência. É adaptação honesta, não maquiagem.

Um erro comum é descrever tarefa em vez de resultado. Veja um bullet antes e depois.

Antes: "Responsável por desenvolver modelos de machine learning para a plataforma de conteúdo."

Depois: "Treinei modelo de ranking de conteúdo em PyTorch com dados de interação de usuários, reduziu o tempo de inferência em produção ao trocar a pipeline de features batch por versão incremental."

O segundo funciona porque mostra ferramenta, tipo de problema e efeito no sistema. Sem número inventado, sem promessa vazia.

O que perguntar na entrevista#

Entrevista técnica de ML em empresa de produto costuma cobrar três coisas: fundamentos, capacidade de modelar um problema real e engenharia para colocar em produção. Prepare as três.

Um exemplo de resposta forte para a pergunta clássica "conte um projeto de ML seu":

"Trabalhei em um sistema de recomendação de artigos para um portal de notícias. O problema era cold start: usuário novo sem histórico. Comecei com baseline de popularidade por categoria, depois adicionei features de contexto como horário e dispositivo e treinei um modelo de gradient boosting. A parte difícil foi a latência, porque a inferência precisava ficar abaixo de 100 milissegundos. Resolvi pré-computando embeddings e servindo via cache. O modelo foi para produção com A/B test e monitoramento de drift semanal."

Essa resposta funciona porque conta problema, decisão técnica, dificuldade e resultado operacional. Não precisa de número de receita.

Cuidado com o mercado brasileiro#

Vaga de ML na ByteDance com contrato direto no Brasil é rara. A maior parte das oportunidades para brasileiros aparece em escritórios de Singapura, Estados Unidos ou em contratos remotos via entidade estrangeira. Verifique sempre a modalidade de contratação na descrição da vaga antes de investir tempo na candidatura.

Se a vaga é fora do Brasil, o currículo precisa estar em inglês. Padrão americano: uma página, sem foto, sem endereço completo, sem estado civil. Se a vaga é para time brasileiro ou vaga de consultoria local, pode usar o formato brasileiro, mas mantenha o foco em resultados técnicos.

Sobre salário: faixas variam muito entre nível, país e modalidade de contrato. Não vou citar número aqui porque qualquer valor específico que eu der vai estar desatualizado em poucos meses. Consulte a fonte oficial da vaga ou o site de carreiras da empresa na hora da candidatura.

Checklist de revisão antes de enviar#

• O currículo menciona as palavras técnicas que aparecem na descrição da vaga
• Cada bullet de experiência mostra ferramenta, problema e efeito no sistema
• Não há termo técnico que você não consiga explicar em 2 minutos
• Projetos pessoais ou open source de ML estão linkados (GitHub, paper, demo)
• Formato compatível com leitura por sistema de triagem, sem tabela complexa ou coluna dupla
• LinkedIn atualizado com o mesmo vocabulário técnico do currículo

Depois de revisar, use o verificador gratuito de compatibilidade com sistemas de triagem do jobrise para conferir se o formato do seu currículo é legível para o software de recrutamento. Ele aponta problemas de layout e palavras que podem passar despercebidas.

Erros que derrubam candidatura#

Currículo de três páginas para alguém com quatro anos de experiência. Lista de 30 tecnologias sem profundidade em nenhuma. Projeto de ML descrito sem explicar o que o modelo fazia. Objetivo profissional genérico do tipo "buscar desafios em empresa inovadora". Tudo isso queima espaço sem convencer.

Outro erro: não ler a descrição da vaga com atenção. Se a vaga pede MLOps e você só fala de modelagem, ajuste o currículo para mostrar o que você já fez de deploy e monitoramento, mesmo que não fosse seu foco principal. Use o decodificador de descrição de vagas do jobrise para separar requisito real de wish list, isso ajuda a priorizar o que destacar.

Como treinar para a entrevista técnica#

Escolha dois projetos seus e escreva uma página sobre cada um: problema, dados, modelo, métrica, dificuldade, resultado. Ensaiar essa história em voz alta muda tudo. Candidato que gagueja no próprio projeto passa impressão de que não fez.

Pratique também problemas de design de sistema de ML. Perguntas do tipo "como você projetaria o sistema de recomendação de vídeos curtos" são comuns em empresas de produto de consumo. A resposta precisa cobrir coleta de dados, features, modelo, serving, avaliação online e feedback loop. Não precisa ser perfeita, precisa mostrar raciocínio estruturado.

Se você está no início da busca, veja as vagas de machine learning e engenharia de dados no jobrise para entender o vocabulário que o mercado está usando agora. O vocabulário muda rápido, e ler vaga real ajuda mais que qualquer lista genérica.

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 com sistemas de recomendação para concorrer?

Não necessariamente. Se você nunca trabalhou com recomendação, mostre experiência com problema parecido: ranking, previsão de comportamento, classificação em escala. O recrutador quer ver que você entende o tipo de problema, não que você já resolveu exatamente aquele.

Meu currículo deve estar em português ou inglês?

Depende da vaga. Se a descrição está em inglês e menciona escritório fora do Brasil, envie em inglês. Se é vaga para time local ou consultoria brasileira, português funciona. Quando em dúvida, inglês é o padrão mais seguro para empresa de tecnologia global.

Quanto tempo leva o processo seletivo da ByteDance?

Varia bastante entre times e países. Relatos de candidatos indicam que processos para empresa de tecnologia desse porte levam de algumas semanas a dois meses. Não existe prazo oficial público confiável, então trate cada candidatura como prazo aberto e continue aplicando em paralelo.

Preciso ter pós-graduação em machine learning?

Não. Projetos que você consegue explicar em detalhe pesam mais que diploma para vaga de engenheiro. Pós-graduação ajuda em vagas de pesquisa aplicada, mas para vaga de engenharia de ML o que convence é sistema funcionando em produção.

O que fazer se eu for rejeitado na primeira fase?

Peça feedback quando possível, nem toda empresa responde mas algumas respondem. Revise o currículo com foco nas palavras da vaga que você não destacou e continue aplicando para vagas similares. Rejeição em triagem raramente é julgamento sobre seu valor técnico.