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

Você encontrou uma vaga de Machine Learning Engineer na Infosys e não sabe quais termos colocar no currículo para passar pelo filtro inicial. É um problema comum. A Infosys é uma consultoria de tecnologia grande, com operações no Brasil, e o recrutamento dela costuma avaliar duas coisas ao mesmo tempo: sua base técnica e sua capacidade de trabalhar em projeto de cliente.

Vou te mostrar como ajustar o currículo, quais tópicos técnicos aparecem com mais frequência na entrevista e como responder sem inventar experiência que você não tem.

O que a Infosys geralmente procura em um ML Engineer#

Não existe um processo interno público e fixo que eu possa te descrever com precisão, e desconfie de quem afirma ter a receita exata. Mas dá para inferir bastante a partir das próprias descrições de vaga da empresa, que são públicas.

Em linhas gerais, o perfil pedido costuma combinar três blocos: Python e fundamentos de machine learning, experiência com pipeline de dados e MLOps, e familiaridade com alguma nuvem (AWS, Azure ou GCP). Para vagas sênior, entra também a parte de arquitetura de modelos em produção e mentoria de times.

O detalhe que muita gente ignora: como consultoria, a Infosys coloca profissionais em projetos de clientes de setores diferentes. Isso significa que eles valorizam quem se adapta rápido a domínios novos, bancos, varejo, telecom. Se você já trabalhou em ambiente de cliente ou consultoria, isso merece destaque.

Como ler a vaga antes de mexer no currículo#

Antes de escrever qualquer linha, decodifique a descrição da vaga. Termos como "end-to-end ML lifecycle" ou "stakeholder management" dizem coisas bem diferentes sobre o que a empresa espera, e confundir os dois é comum.

Use o decodificador de vagas do jobrise para separar o que é requisito real do que é texto genérico de anúncio. Depois, compare o resultado com seu currículo e veja onde está a lacuna.

Quais palavras-chave colocar no currículo

Não se trata de encher o documento de buzzwords. Trata-se de usar a mesma linguagem da vaga para descrever trabalho que você realmente fez. Se a vaga pede "model deployment", escreva sobre o deploy que você fez, com a ferramenta que você usou.

Termos que aparecem com frequência em vagas de ML Engineer na Infosys e em empresas parecidas:

• Python, pandas, NumPy, scikit-learn
• TensorFlow ou PyTorch
• MLOps, CI/CD para modelos, versionamento de dados
• Docker, Kubernetes
• AWS SageMaker, Azure ML ou Vertex AI
• SQL, Spark, processamento de dados em larga escala
• Feature engineering, model monitoring, drift
• REST APIs, FastAPI, Flask
• Git, testes automatizados, code review

Escolha os que você domina de verdade. Colocar Kubernetes no currículo e travar na entrevista técnica é pior do que não colocar.

Exemplo de bullet reescrito#

A maioria dos currículos de ML tem linhas assim:

"Responsável por desenvolver modelos de machine learning para a área de negócios."

Isso não diz nada. Veja como fica depois de reescrito com contexto, ferramenta e resultado:

"Desenvolvi e coloquei em produção um modelo de previsão de churn em Python e XGBoost, servido via API em FastAPI no Azure, reduzindo o tempo de resposta da análise de 2 dias para minutos para o time de retenção."

O que mudou: ferramenta específica, plataforma de deploy, e o efeito no trabalho de outra equipe. Não invente números. Se você não tem a métrica exata, descreva o efeito de forma honesta, "de horas para minutos", "passou a rodar diariamente em vez de mensalmente".

Preparação para a entrevista técnica#

A entrevista técnica de ML costuma seguir um padrão razoavelmente previsível. Fundamentos de machine learning, depois codificação, depois um problema de design de sistema voltado para ML.

Revise estes tópicos antes:

• Viés e variância, regularização, overfitting
• Métricas de classificação e quando cada uma faz sentido
• Árvores de decisão, ensemble methods, gradient boosting
• Como você faria o split de treino, validação e teste em dados temporais
• O que é data leakage e como evitar
• Fluxo de um modelo do notebook até a produção
• Como monitorar um modelo depois de deployado

Parte de codificação aparece em muitas vagas, mesmo de ML. Costuma ser Python puro, manipulação de arrays, estruturas de dados. Não subestime essa etapa.

Como responder uma pergunta de design de sistema

Perguntas de design para ML são onde a maioria das pessoas tropeça. Elas querem ver raciocínio, não uma resposta decorada.

Pergunta típica: "Como você projetaria um sistema de recomendação de produtos para um e-commerce?"

Uma boa resposta, falada em voz alta e com pausas:

"Primeiro eu entenderia o volume de dados e a latência esperada. Vou assumir milhões de itens e precisar de resposta em menos de 200 milissegundos. Começaria com um baseline de filtragem colaborativa, matriz de interação usuário-item, e mediria com métricas offline como recall@k. Depois eu pensaria em features de contexto, hora do dia, dispositivo, e compararia com um modelo de duas torres se o catálogo crescesse. Em produção, eu separaria o candidate generation do ranking, com cache para os itens mais populares, e monitoraria a distribuição de cliques por dia para detectar drift."

Repare no que aconteceu: a pessoa assumiu premissas em voz alta, escolheu um baseline simples antes de complicar, e falou de monitoramento. É isso que se procura.

O que mudar para o mercado brasileiro#

Se a vaga é para o Brasil, há algumas particularidades. Muitas posições na Infosys aqui são híbridas ou remotas, concentradas em São Paulo e com presença também em outras capitais. A descrição costuma estar em inglês, e parte da entrevista também pode ser. Vale praticar vocabulário técnico em inglês antes.

Salários para ML Engineer em consultorias de tecnologia no Brasil variam bastante conforme senioridade e regime de contratação, CLT ou PJ. Não vou te dar um número como promessa, porque a faixa muda rápido. Pesquise a faixa atual em fontes de vagas e confirme direto na negociação.

Outro ponto: consultorias às vezes contratam para banco de talentos antes de uma vaga específica. Se o recrutador disser isso, pergunte qual é o próximo passo esperado e em quanto tempo.

Checklist antes de enviar a candidatura#

• O currículo tem as palavras-chave da vaga descritas em contexto real, não em lista solta
• Cada bullet tem ação, ferramenta e efeito, sem números inventados
• O LinkedIn está alinhado com o currículo, recrutadores cruzam os dois
• Você consegue explicar em inglês pelo menos dois projetos seus
• Você revisou fundamentos de ML, métricas e viés
• Você tem uma história de resolução de problema pronta para a pergunta comportamental
• Você sabe dizer o que não sabe, em vez de improvisar

Depois de ajustar o currículo, rode o teste gratuito de ATS do jobrise para ver se o documento é lido corretamente pelos filtros automáticos. E se você está começando a busca, veja as vagas de tecnologia abertas agora na plataforma.

O que perguntar ao recrutador#

Ter perguntas prontas muda a impressão que você deixa. Algumas que funcionam bem nesse contexto:

• Qual é o perfil do projeto para o qual estou sendo avaliado, ou é banco de talentos?
• Qual é o stack principal usado no time?
• Como é a divisão entre trabalho interno e atendimento a cliente?
• Qual é o próximo passo do processo e em que prazo?

Evite perguntar sobre benefícios e salário na primeira conversa com o recrutador técnico. Isso vem depois.

Ferramentas grátis#

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

Perguntas frequentes#

Quanto tempo leva o processo seletivo da Infosys para ML Engineer?

Varia bastante. Em consultorias grandes o processo pode ter triagem de currículo, teste técnico, entrevista com o gestor e conversa com RH, e isso pode levar de duas semanas a mais de um mês. Pergunte o prazo esperado logo na primeira conversa com o recrutador.

Preciso ter experiência comprovada em MLOps para concorrer?

Para vagas pleno e sênior, alguma experiência com deploy e monitoramento de modelos é esperada. Para vagas júnior, o que pesa mais é fundamentos sólidos de ML e código limpo. Se você não tem experiência de produção, mostre projetos onde fez o ciclo completo sozinho, mesmo em escala menor.

A entrevista da Infosys é em inglês?

Depende da vaga e do cliente final. Descrições costumam estar em inglês, e parte técnica pode ser em inglês também. O mais seguro é se preparar para os dois idiomas, principalmente para explicar projetos e responder perguntas de design.

Devo mencionar projetos pessoais e portfólio?

Sim, especialmente se você tem pouca experiência formal em ML. O que conta é o projeto completo: problema, dados, modelo, avaliação e como alguém poderia rodar o código. Um repositório organizado vale mais do que cinco projetos incompletos.

O que fazer se eu não passar na primeira tentativa?

Pergunte ao recrutador se há feedback disponível e anote os tópicos que você travou. Consultorias costumam reabrir processo depois de alguns meses, e seu perfil pode se encaixar em outra vaga. Acompanhe as novas oportunidades na página de vagas do jobrise e siga atualizando o currículo conforme ganha experiência.