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

Você quer se candidatar a uma vaga de Machine Learning Engineer na Revolut, mas não sabe quais palavras-chave colocar no currículo nem o que esperar na entrevista. O erro mais comum é mandar um currículo genérico de data science para uma vaga que pede engenharia de sistemas em produção. A diferença decide se você passa pelo primeiro filtro.

O que a Revolut costuma pedir nessas vagas#

Pelo que aparece nas descrições de vagas públicas da empresa, as posições de Machine Learning Engineer misturam duas coisas: construir modelos e fazer esses modelos rodarem bem em produção. Você vê requisitos sobre Python, frameworks de ML, sistemas distribuídos, e também sobre deploy, monitoramento e latência.

A Revolut é uma fintech com operação em vários países. Isso aparece no trabalho: modelos de fraude, crédito, atendimento, recomendação. Regulação e risco fazem parte do dia a dia. Se você só sabe treinar modelos em notebook, vai competir em desvantagem.

Palavras-chave que fazem diferença no currículo#

Antes de escrever nada, abra a descrição da vaga e liste os termos repetidos. Se a vaga pede "model deployment" e "feature engineering", essas palavras precisam aparecer no seu currículo, desde que reflitam o que você realmente fez. Um verificador de compatibilidade com ATS ajuda a ver se o seu documento bate com o que o filtro automático procura.

Termos que costumam aparecer nessas vagas:

• Python, e bibliotecas como scikit-learn, PyTorch, TensorFlow
• MLOps, CI/CD para modelos, monitoramento de modelos
• Feature engineering, feature store
• AWS, GCP ou Azure, com serviços de ML
• Spark, Airflow, Kafka, ou outras ferramentas de dados em escala
• SQL, e modelagem de dados
• Deploy de modelos, APIs, latência, throughput
• Detecção de fraude, risco de crédito, séries temporais

Nem todos aparecem em todas as vagas. Priorize os que estão na descrição da sua. Se a linguagem da vaga está confusa, um decodificador de descrições de vaga ajuda a separar o que é requisito real do que é texto decorativo.

Como escrever as experiências#

Currículo de ML que só lista tecnologias não convence. O recrutador quer saber o que você construiu, em que escala, e qual foi o efeito. Use a estrutura: contexto, o que você fez, resultado medido.

Um exemplo de bullet antes e depois.

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

Depois: "Construí modelo de previsão de demanda em Python que substituiu planilha manual, reduzindo o erro médio de previsão em cerca de 15% em três meses, com retraining semanal via Airflow."

O segundo diz a ferramenta, o problema, o resultado e a rotina de manutenção. Se você não tem um número exato, use uma ordem de grandeza honesta ou descreva o efeito de outra forma. Não invente métricas. Recrutador técnico faz perguntas de acompanhamento e a menterra aparece rápido.

Um exemplo de currículo adaptado para a vaga#

Digamos que você trabalhou com prevenção a fraudes em um banco digital. Veja como um bullet pode ficar quando mirado numa vaga da Revolut que pede detecção de fraude e sistemas em produção:

"Desenvolvi modelo de detecção de fraude em tempo real (Python, XGBoost) processando transações via Kafka, com deploy em API de baixa latência e monitoramento de drift, reduzindo chargebacks em cerca de 20% no primeiro trimestre após o lançamento."

Repare nos elementos: algoritmo, dados em fluxo, deploy, monitoramento, resultado. É esse o vocabulário que conecta com a descrição da vaga.

O que levar para a entrevista técnica#

Não dá para afirmar como é o processo interno da Revolut, porque isso muda por time e por país. O que se sabe é o que candidatos descrevem publicamente: etapas técnicas que envolvem coding, system design, e discussão de projetos de ML. Prepare cada uma dessas frentes.

Para coding, revise estruturas de dados, e pratique em Python. O nível de dificuldade costuma ser de entrevista de engenharia de software, não só de ciência de dados. Para system design, pense em como você projetaria um sistema de recomendação ou de detecção de fraude com requisitos de latência e escala.

Para a discussão de projetos, tenha uma história clara sobre um modelo que você colocou em produção. Inclua os trade-offs que você enfrentou.

Exemplo de resposta sobre um projeto#

Pergunta: "Conte sobre um modelo que você colocou em produção e os desafios."

Resposta possível: "Trabalhei em um modelo de score de crédito para uma fintech. O maior desafio foi a latência, porque a decisão precisava sair em menos de um segundo. Reduzi o número de features de 200 para 40 usando importância e correlação, o que cortou o tempo de inferência pela metade sem perda relevante de acurácia. Também montei monitoramento para acompanhar drift nas variáveis de entrada, porque a base muda com o tempo."

Essa resposta funciona porque mostra decisão técnica, trade-off e cuidado com operação. Se você nunca colocou modelo em produção, diga isso e descreva o que fez mais perto disso: um pipeline automatizado, um protótipo com usuários reais, um experimento que mudou uma decisão.

Cuidados com o mercado brasileiro#

Se você está no Brasil e mirando uma vaga na Europa, alguns pontos práticos. Muitas vagas da Revolut são híbridas ou presenciais em Lisboa, Londres, Cracóvia, ou outros hubs. O processo de visto depende do país, do tipo de contrato e do seu perfil. Não existe número garantido. Verifique sempre a fonte oficial do país e o time de recrutamento da empresa.

Salários variam muito por país, nível e pacote total. Sites de comparação dão faixas, mas os valores mudam com frequência. Trate qualquer número que você encontrar como referência aproximada e confirme na conversa com a recrutadora.

Currículo em inglês é o padrão para essas vagas. Se você tem experiência em empresas brasileiras, mantenha os nomes dos cargos e das empresas em inglês, e explique em uma linha o que a empresa faz se ela não for conhecida fora do Brasil.

Checklist de preparação#

• Reescreva o resumo do currículo em três linhas, mencionando ML em produção e o domínio da vaga
• Faça uma lista das tecnologias pedidas na vaga e confira quais você realmente usou
• Reescreva cada bullet de experiência com contexto, ação e resultado
• Tenha dois projetos prontos para contar em detalhe, incluindo trade-offs
• Revise estruturas de dados e pratique coding em Python
• Estude system design para sistemas de ML com requisitos de latência
• Pesquise o que a empresa faz em produtos, e o que mudaria em um deles
• Confira o currículo em um verificador de ATS antes de enviar

O que evitar#

Não coloque uma lista de 30 tecnologias no topo do currículo. Isso parece preenchimento e esconde o que importa. Escolha as 8 ou 10 relevantes para a vaga e espalhe pelas experiências.

Não exagere em seniority. Se você tem dois anos de experiência, não se apresente como senior. O time técnico percebe na primeira pergunta de follow-up.

Não ignore a parte de produto. A Revolut constrói software para pessoas usando dinheiro. Candidatos que conseguem explicar o impacto do modelo no usuário final se destacam em relação a quem só fala de acurácia.

Onde procurar as vagas abertas#

Confira as posições de Machine Learning Engineer e áreas relacionadas na página de vagas do jobrise. As descrições mudam com frequência, e olhar várias ao mesmo tempo ajuda a ver quais termos se repetem. Para mais contexto sobre carreira em tech e transição para fintechs, o blog tem material sobre currículo e entrevistas.

Ferramentas grátis#

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

Perguntas frequentes#

Quais palavras-chave o currículo precisa ter para a vaga de Machine Learning Engineer na Revolut?

Depende da descrição específica, mas Python, MLOps, deploy de modelos, feature engineering e ferramentas de dados em escala aparecem com frequência. Extraia os termos da vaga que você está mirando e use os que refletem sua experiência real.

A Revolut tem processo seletivo diferente de outras empresas de tecnologia?

O processo muda por time e por país, e não há como afirmar detalhes internos com certeza. O padrão relatado por candidatos inclui etapas de coding, system design e conversa técnica sobre projetos. Prepare as três frentes.

Preciso ter experiência em fintech para me candidatar?

Não necessariamente. O que importa é experiência com ML em produção, com escala, latência e monitoramento. Se você vem de outra indústria, conecte sua experiência a problemas parecidos: risco, previsão em tempo real, sistemas com requisitos de disponibilidade.

Meu currículo deve estar em inglês?

Sim, para vagas internacionais da empresa. Currículo em português só faz sentido para vagas baseadas no Brasil, e mesmo assim vale ter uma versão em inglês pronta. Mantenha nomes de empresas e cargos traduzidos de forma consistente.

Quanto tempo leva para se preparar para a entrevista técnica?

Depende do seu ponto de partida. Se você já trabalha com ML em produção, umas três semanas de revisão de coding e system design costuma ser suficiente. Se está mais enferrujado em estruturas de dados, reserve mais tempo e pratique com consistência.