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

Você quer concorrer a uma vaga de Machine Learning Engineer na Nvidia e não sabe o que colocar no currículo nem o que esperar na entrevista. O nome da empresa assusta, mas a lógica é a mesma de sempre: o recrutador precisa ver rápido que você resolve o tipo de problema que aquela vaga descreve. O resto é ruído.

A Nvidia é uma empresa de hardware e software. Isso muda tudo na hora de escrever seu currículo. Um candidato que só fala de modelos de linguagem parece genérico; alguém que entende de CUDA, kernels, latência e treino em GPU parece alguém que já trabalhou no mundo deles.

Leia a vaga como um contrato#

Antes de escrever uma linha, abra a descrição da vaga e decodifique o que ela pede de verdade. Use o decodificador de vagas para transformar aquele texto longo em uma lista de competências reais, sem adivinhar o que está por trás do processo seletivo. Só o que está escrito.

Depois, compare essa lista com seu currículo, linha por linha. Se a vaga pede "experience with distributed training" e você não tem isso escrito em lugar nenhum, mesmo tendo feito, você perdeu a leitura automática. Passe também pelo verificador de ATS gratuito para conferir se o formato sobrevive à triagem por software.

Palavras-chave que aparecem nas vagas de ML na Nvidia#

Não invente essas palavras no seu currículo. Use as que descrevem trabalho que você realmente fez. As vagas de Machine Learning Engineer na Nvidia costumam girar em torno de:

• Treino e inferência em GPU, com atenção a throughput e latência
• CUDA, cuDNN, TensorRT, Triton Inference Server
• PyTorch e TensorFlow, incluindo escrita de kernels customizados quando for o caso
• Treino distribuído, data parallelism, model parallelism
• Otimização de modelos: quantização, pruning, distillation
• Deploy de modelos em produção, monitoramento de drift
• C++, Python, e em alguns times, Rust ou CUDA C++
• MLOps, pipelines de dados, versionamento de modelos e datasets
• Familiaridade com arquiteturas de aceleradores, memory bandwidth, tensor cores

Se você nunca tocou em CUDA, não escreva CUDA. Escreva o que você fez que está perto, e deixe claro o nível. Honestidade aqui não é fraqueza, é o que te mantém vivo na entrevista técnica.

Como escrever as bullets do currículo#

Bullet boa tem verbo, contexto técnico e resultado. Bullet ruim tem adjetivo. Vamos ao exemplo concreto.

Bullet genérica, do tipo que cai na pilha de rejeitados:

"Responsável por otimizar modelos de deep learning e melhorar performance do sistema."

Bullet reescrita, com detalhe técnico e resultado verificável:

"Reduzi o tempo de inferência de um modelo de detecção de objetos de 180 ms para 42 ms por imagem ao aplicar quantização INT8 e compilar o grafo com TensorRT, mantendo mAP estável em validação."

A segunda funciona porque mostra ferramenta (TensorRT, quantização), problema (latência) e efeito (número, com ressalva de que a métrica de qualidade se manteve). Não precisa ser exatamente esse número. Precisa ser o seu número, o que você mediu no seu projeto.

O que muda no mercado brasileiro#

A Nvidia tem escritórios e contratações no Brasil, mas a maior parte das vagas de ML Engineer de ponta está nos Estados Unidos, em Taiwan ou em Israel. Muita vaga anunciada aqui é para solutions engineer, FAE ou developer relations, que são papéis diferentes de research ou core ML engineering. Leia a descrição inteira antes de se empolgar com o nome da empresa.

Se a vaga for remota ou com realocação, o processo costuma incluir verificação de visto e de elegibilidade para trabalhar no país da vaga. Não existe número fixo nem garantia de que a empresa patrocine. Confirme sempre na fonte oficial do país e com o recrutador, porque as regras mudam com frequência.

Para ver o que está aberto agora, use a busca de vagas atualizadas e filtre por título e localização antes de montar o currículo. Vaga de ML Engineer nos EUA e vaga de FAE no Brasil pedem currículos diferentes, mesmo dentro da mesma empresa.

Preparação para a entrevista técnica#

Não dá para adivinhar o formato exato das entrevistas da Nvidia, e qualquer site que jure saber está chutando. O que dá para fazer é se preparar no que qualquer time sério de ML vai cobrar.

• Codificação em Python e C++, com foco em estruturas de dados e complexidade
• Fundamentos de ML: overfitting, regularização, gradientes, backpropagation
• Sistemas de ML: como um modelo vai do dataset para a produção
• Otimização de GPU, mesmo que superficial, se a vaga menciona CUDA
• Um projeto seu, explicado em cinco minutos, com decisões e trade-offs

Para a parte de "conte sobre um projeto", tenha uma resposta pronta. Algo assim:

"Eu trabalhei num modelo de recomendação que servia 2 milhões de requisições por dia. O gargalo não era o modelo, era a latência de feature lookup. Eu troquei a consulta síncrona por um cache em memória com TTL de 30 segundos, e a latência p95 caiu de 340 ms para 90 ms. Aprendi que otimizar o modelo sem olhar o sistema inteiro é perder tempo."

Repare no que essa resposta tem: escala do problema, diagnóstico, solução, resultado e uma lição. Isso é o que o entrevistador quer ouvir.

Checklist final antes de enviar#

• O título da vaga aparece no seu currículo, em contexto real, não como palavra solta
• Cada bullet tem ferramenta, problema e resultado
• Você removeu skills que não sustentaria em entrevista técnica
• O arquivo abre limpo em qualquer leitor de PDF, sem tabelas e sem ícones
• Você passou o currículo pelo verificador de ATS gratuito
• Você tem uma versão do currículo por tipo de vaga, ML core, FAE, applied research
• Você preparou três projetos para contar em cinco minutos cada
• Você sabe explicar cada número que colocou no currículo, sem inventar

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 CUDA para me candidatar a Machine Learning Engineer na Nvidia?

Depende da vaga. Papéis de core GPU software pedem CUDA de forma direta; papéis de applied ML podem aceitar PyTorch e otimização de inferência sem escrever kernels. Leia a descrição e candidate-se se você cobre a maioria dos requisitos, não a totalidade.

A Nvidia contrata Machine Learning Engineer no Brasil?

Sim, em algumas funções, mas a concentração de vagas de ML de ponta está fora do país. Muitas posições anunciadas no Brasil são de campo, vendas técnicas ou developer relations. Filtre por localização e leia a descrição inteira antes de investir tempo na candidatura.

Devo escrever "Nvidia" no objetivo do currículo?

Não escreva o nome da empresa no objetivo do currículo. Em vez disso, ajuste o resumo para as competências que a vaga pede, e use a carta de apresentação para mostrar por que aquela empresa e aquele time. O nome da empresa fica no e-mail e na carta.

Quanto tempo leva o processo seletivo da Nvidia?

Varia muito, de poucas semanas a alguns meses, dependendo do país, do nível da vaga e de fatores como visto de trabalho. Não existe prazo oficial que valha para todos os casos. Pergunte ao recrutador na primeira conversa e siga o que ele disser.

Posso usar a mesma resposta de projeto para qualquer entrevista de ML?

Pode usar a mesma base, mas ajuste o enfoque. Para uma vaga de otimização em GPU, destaque latência e kernels; para uma vaga de applied research, destaque métricas do modelo e o experimento que deu errado. Tenha três projetos prontos e escolha o mais relevante na hora.