Infosys Data Scientist: palavras-chave de curriculo e entrevista

Você achou uma vaga de Data Scientist na Infosys e não sabe quais palavras-chave colocar no currículo nem o que esperar na entrevista. É uma dúvida comum: a empresa é grande, atua em consultoria de tecnologia e cada processo varia bastante conforme o cliente e o time. O que dá para fazer é se preparar com base no que a vaga pede, sem inventar regras internas.

A Infosys é uma consultoria indiana de TI com operação global, incluindo Brasil. Vagas de dados aparecem em inglês ou português, e muitas pedem disponibilidade para trabalhar com clientes de outros países e fusos. Isso muda a preparação: seu currículo provavelmente vai passar por um filtro automatizado antes de chegar a alguém do time.

Como adaptar o currículo para a vaga#

O primeiro passo é ler a descrição da vaga com calma e separar as palavras que se repetem. Ferramentas, linguagens, metodologias e níveis de senioridade são o que os filtros costumam procurar. Se você quiser conferir como seu currículo está sendo lido por sistemas automáticos, use o verificador gratuito de currículo para ATS.

Depois, faça o seguinte:

• Copie as tecnologias citadas na vaga para o topo do seu currículo, em um bloco de competências.
• Repita os termos exatos que aparecem no anúncio. Se escrevem "SQL", não escreva só "banco de dados".
• Coloque Python, SQL e as ferramentas de machine learning que você realmente usa, com o nível de domínio.
• Inclua projetos com contexto de negócio, não só nomes de modelos.
• Remova palavras genéricas como "proativo" ou "focado em resultados" se não vierem acompanhadas de evidência.
• Mantenha o currículo em uma ou duas páginas, com datas e cargos claros.

Um ponto que costuma ser ignorado: consultorias contratam para alocar pessoas em clientes diferentes. Se você já trabalhou em projetos com prazos, escopos definidos e equipes mistas, diga isso. É um diferencial real nesse tipo de empresa.

Palavras-chave que aparecem com frequência#

As vagas de Data Scientist na Infosys costumam citar ferramentas e conceitos parecidos, mesmo quando o cliente muda. Vale ter esses termos no currículo se você realmente os domina:

• Python, R, SQL
• Machine learning, deep learning, NLP
• Pandas, NumPy, scikit-learn, TensorFlow ou PyTorch
• Estatística, séries temporais, regressão, classificação
• AWS, Azure ou GCP
• ETL, pipelines de dados, Spark
• Tableau, Power BI ou visualização de dados
• Git, Docker, controle de versão

Não coloque tudo sem critério. Recrutador percebe quando a lista de ferramentas não bate com os projetos descritos abaixo.

Se quiser entender melhor o que a vaga está pedindo, o decodificador de descrições de vaga ajuda a separar requisitos obrigatórios de desejáveis.

Exemplo de bullet reescrito#

Muita gente escreve assim: "Atuei com machine learning para melhorar resultados da empresa". Não diz nada. Veja uma versão com contexto e resultado.

Antes: "Criei modelos de previsão de churn".

Depois: "Desenvolvi modelo de previsão de churn em Python (scikit-learn) para base de 40 mil clientes, reduzindo a taxa de cancelamento em 12% após implantação junto ao time de CRM".

A segunda versão mostra ferramenta, escopo e consequência. Se você não tem o número exato, use uma ordem de grandeza honesta, como "base de dezenas de milhares de clientes" ou "redução percebida pelo time comercial". Nunca invente número.

Como funciona a entrevista#

Não existe um formato fixo. Vagas de consultoria passam por etapas que podem incluir conversa com recrutador, teste técnico e entrevista com o time do cliente. O que dá para afirmar é que a avaliação técnica costuma cobrir fundamentos de dados e a capacidade de explicar decisões.

Prepare-se para três tipos de pergunta. A primeira é sobre suas ferramentas: como você usa Python no dia a dia, quando prefere SQL a pandas, como versiona código. A segunda é sobre projetos: o que você fez, quais escolhas tomou, o que não funcionou. A terceira é sobre situações de trabalho: prazo apertado, dado faltando, pedido do cliente mudando no meio.

A parte de fundamentos de estatística e machine learning aparece em muitas vagas, mesmo as mais voltadas para aplicação. Revise a diferença entre overfitting e underfitting, como você valida um modelo, e por que escolheu determinada métrica.

Exemplo de resposta#

Pergunta: "Conte sobre um projeto de machine learning em que você teve problema com dados".

Resposta: "Em um projeto de previsão de demanda, o histórico tinha muitos valores faltantes nos primeiros meses. Em vez de descartar a série inteira, usei imputação por média móvel e marquei os períodos no dataset para o modelo não confiar demais neles. Testei também a versão sem esses meses e a diferença de erro foi pequena, mas a versão com imputação tinha mais dados de treino. Expliquei a escolha para o time e documentei no repositório. O que aprendi foi que vale ser explícito sobre o que foi estimado, porque isso muda como o cliente interpreta a previsão".

Essa resposta funciona porque mostra método, escolha, limite e aprendizado. É isso que entrevistador procura.

Preparação específica para consultoria#

Consultoria tem um detalhe: você não fala só com o recrutador, fala com o cliente final em algum momento. Comunicação clara pesa tanto quanto código. Se você já apresentou resultado para área de negócio, diga isso.

Prepare duas ou três histórias curtas sobre projetos, com o problema, sua ação e o desfecho. Tenha exemplos de quando algo deu errado. Pergunta sobre fracasso é comum e resposta ensaiada demais soa mal.

Revise inglês se a vaga pedir. Não precisa ser perfeito, mas precisa dar para explicar um projeto técnico sem travar. Várias vagas da Infosys no Brasil trabalham com times de fora.

Para encontrar vagas abertas e entender o que está sendo pedido agora, use a busca de vagas do jobrise.

O que fazer uma semana antes#

• Leia a descrição da vaga de novo e anote as cinco competências mais citadas.
• Prepare um exemplo concreto para cada uma delas.
• Releia seus projetos e escreva o contexto de negócio de cada um.
• Teste seu currículo em um filtro de ATS para ver se as palavras-chave estão sendo reconhecidas.
• Revise os fundamentos de estatística que você listou no currículo.
• Tenha duas perguntas prontas para fazer ao final, sobre o time e sobre o tipo de projeto.

Cuidado com expectativas salariais#

Salários de Data Scientist variam muito no Brasil, dependendo de senioridade, cidade e se a vaga é para cliente internacional. Consultorias costumam ter faixas diferentes de empresas de produto. Não vou dar número aqui porque muda rápido e errar é pior do que não informar. Pesquise a faixa atual em fontes de carreira confiáveis e confirme com o recrutador na primeira conversa.

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 prévia em consultoria para ser considerado?

Não. O que pesa é ter trabalhado em projetos com escopo definido, prazos e stakeholders diferentes. Se você veio de empresa de produto ou de time interno, traduza sua experiência para essa linguagem.

O currículo deve ser em português ou inglês?

Depende da vaga. Se o anúncio está em inglês, mande em inglês. Para processos com cliente internacional, ter as duas versões é o mais seguro. Mantenha as duas atualizadas com o mesmo conteúdo.

A Infosys usa teste técnico em todas as vagas?

Não dá para afirmar, varia por vaga e por cliente. O comum é existir alguma avaliação técnica, então revise fundamentos e prepare-se para explicar projetos, não só responder teoria.

Quais erros mais atrapalham o currículo para esse tipo de vaga?

Currículo genérico que serve para qualquer vaga, listas de ferramentas sem projeto que comprove, e descrições sem resultado. Outro erro é não citar as palavras exatas da vaga, o que dificulta a passagem por filtros automáticos.

Devo mencionar disponibilidade para viajar ou mudar de horário?

Se a vaga pedir, sim, e de forma direta. Consultorias frequentemente trabalham com clientes de outros fusos e isso é avaliado cedo. Se você tem restrição, diga na primeira conversa para não perder tempo dos dois lados.