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

Seu currículo de engenheiro de machine learning não está passando pelo filtro da Salesforce e você não sabe o que falta. O problema quase nunca é a sua experiência. É o vocabulário. A Salesforce descreve vagas de ML com um conjunto específico de termos, e se o seu currículo fala outra língua, ele é descartado antes de alguém ler.

Aqui vai como ajustar currículo e preparação de entrevista para essa empresa sem inventar processo interno, porque ninguém de fora sabe exatamente como a máquina roda lá dentro.

Por que currículo de ML falha na Salesforce#

Recrutadores de big tech filtram por correspondência de termos e escopo. Se a vaga pede "Einstein Platform", "Agentforce", "multi-tenant ML" e você só escreve "modelos de IA", o match é baixo.

O ATS não é um vilão. Ele apenas compara palavras. Por isso, antes de escrever, decodifique a descrição da vaga com o decodificador de vagas gratuito e veja quais competências aparecem com mais peso.

Palavras-chave que a Salesforce costuma usar#

A empresa tem vocabulário próprio. Não é só "machine learning". É um ecossistema de produtos com nomes próprios, e citá-los mostra que você pesquisou.

Termos que aparecem com frequência em vagas de ML da Salesforce:

• Einstein Platform, Einstein Trust Layer, Agentforce
• multi-tenant architecture, data residency, privacy
• LLM fine-tuning, RAG, prompt engineering, evaluation
• MLOps, model monitoring, feature store, A/B testing
• Apex, Heroku, Salesforce Platform, Data Cloud
• responsible AI, bias mitigation, model explainability
• Python, Scala, Java, SQL, Spark, TensorFlow, PyTorch
• distributed training, low-latency inference, model serving

Não cole todos no currículo. Use os que correspondem à sua experiência real, e os que aparecem na vaga específica que você está mirando. Exagero de palavra-chave sem contexto é fácil de detectar e afasta.

Como escrever as experiências para esse filtro#

Regra número um: verbo de ação, tecnologia, escopo, resultado. Nessa ordem. Resultado com número real, não número inventado para impressionar.

Um exemplo concreto. Antes:

"Responsável por modelos de machine learning na área de dados."

Depois, reescrito:

"Desenvolvi pipeline de RAG com Python, LangChain e pgvector para responder dúvidas de suporte sobre produtos, reduzindo em 35% o tempo médio de resposta do time de atendimento em seis meses."

A diferença não é cosmética. O segundo tem verbo, tecnologia, contexto de negócio, e um resultado que alguém consegue verificar na entrevista. Se o recrutador perguntar de onde veio o 35%, você explica. Se não tiver número, diga "reduzi o tempo de resposta" sem percentual. É melhor que inventar.

Outro exemplo, focado em infraestrutura:

"Criei serviço de inferência de baixa latência em Go e TensorFlow Serving para modelo de recomendação atendendo 2 milhões de requisições diárias, com monitoramento de drift via Evidently e rollback automático quando a acurácia caía abaixo de 0.85."

Veja o que esse bullet carrega: stack, escopo, ferramenta de monitoramento, e uma regra de negócio explícita. É exatamente o tipo de detalhe que sobrevive a uma entrevista técnica.

Checklist de revisão do currículo#

• Cada bullet começa com verbo de ação e tem resultado verificável
• O nome da vaga aparece no título do currículo, igual ao da descrição
• Termos da vaga estão distribuídos no texto, não concentrados numa seção de skills
• Nenhum número inventado, nenhum percentual tirado do nada
• Seções de "Habilidades" e "Experiência" usam os mesmos termos, com consistência
• Formato simples, sem tabela, sem ícone, sem coluna dupla que quebra leitura de ATS
• Uma a duas páginas, dependendo de anos de experiência
• Você rodou o currículo pelo verificador de ATS gratuito antes de enviar

Esse último passo pega muito erro bobo. Formatação invisível mata candidatura boa.

Preparação para entrevista técnica#

Não dá para prever o roteiro exato da Salesforce. Ninguém de fora pode afirmar com certeza quantas rodadas tem ou o que cada uma testa. Mas dá para se preparar para os eixos que empresas de software em escala sempre avaliam em ML: fundamentos, system design, código, e comportamento.

Fundamentos: regressão, classificação, viés e variância, regularização, métricas além de acurácia. Se a vaga toca em LLM, prepare embedding, retrieval, avaliação de resposta, alucinação.

System design de ML: como você serviria um modelo com latência baixa para milhões de usuários? Como versionaria, monitoraria, faria rollback? Fale sobre trade-offs, não sobre a ferramenta da moda.

Código: Python e SQL aparecem em quase toda vaga de ML. Pratique manipulação de dados, escrita de função limpa, e explicar escolhas em voz alta.

Comportamento: a Salesforce valoriza colaboração entre times e foco em cliente. Tenha histórias reais suas sobre conflito, prazo apertado, decisão difícil. Não invente história para agradar.

Exemplo de resposta para pergunta técnica#

Pergunta hipotética: "Como você reduziria o custo de inferência de um modelo de LLM atendendo um chatbot de suporte?"

Resposta possível:

"Primeiro eu mediria onde o custo está. Tokens de entrada, tokens de saída, e chamadas repetidas. Na minha última experiência, o maior ganho veio de cache semântico: perguntas parecidas buscavam resposta já gerada, e isso cortou cerca de 40% das chamadas ao modelo. Depois eu avaliaria um modelo menor para as intenções mais simples, mantendo o maior só para os casos complexos. Por fim, olharia compressão de prompt, porque contexto inflado custa caro. Cada etapa precisa de métrica de qualidade para garantir que o corte de custo não está piorando a resposta."

Repare: a resposta tem ordem, trade-off, experiência própria, e termina com preocupação de qualidade. É isso que separa resposta boa de resposta decorada.

O mercado brasileiro tem particularidades#

Se você está aplicando do Brasil para vaga remota da Salesforce, ou para uma vaga local, alguns pontos mudam.

Salários variam muito entre nível sênior e pleno, entre CLT e contractor, e entre São Paulo e interior. Faixas reportadas por quem trabalha em big tech no Brasil giram em torno de valores que mudam a cada ano, então não vou citar número fixo aqui. Pesquise no Glassdoor, Levels.fyi, e converse com gente da área. Confirme sempre na fonte oficial da vaga.

Para vaga fora do Brasil, processo de visto é da empresa contratante e muda conforme o país e o momento. Não existe garantia de visto nem número universal. Se a vaga menciona sponsorship, pergunte direto ao recrutador o que está incluído.

Muita vaga de ML da Salesforce aparece em São Paulo, com modelo híbrido. Outras são remotas para a América Latina. Use o buscador de vagas para filtrar por localização e modalidade.

Onde procurar as vagas abertas#

Antes de ajustar currículo, veja o que está aberto agora. Vagas mudam toda semana, e currículo direcionado para vaga real vale mais que currículo genérico. Dá para filtrar vagas de machine learning e Salesforce no jobrise.

Depois de encontrar a vaga, volte ao decodificador de vagas para extrair os termos que a empresa está usando nessa posição específica. O ciclo é: vaga, termos, currículo, envio.

Mais leitura útil#

Se você quer se aprofundar em redação de currículo técnico, tem mais conteúdo sobre currículo e carreira em tech no blog do jobrise. A diferença entre currículo que passa e currículo que fica no limbo costuma estar em detalhes pequenos que a gente não vê sozinho.

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 não podem faltar no currículo para vaga de ML na Salesforce?

Depende da vaga, mas termos como Einstein Platform, Agentforce, MLOps, LLM, RAG e multi-tenant aparecem com frequência em descrições. Use o decodificador de vagas para extrair os termos da vaga específica, e distribua no currículo de forma natural, sem colar tudo na seção de skills.

Preciso ter experiência com produtos Salesforce para me candidatar?

Não necessariamente. Muitas vagas de ML pedem fundamentos sólidos de engenharia e machine learning, e tratam o ecossistema Salesforce como algo que se aprende no cargo. Mas pesquisar os produtos e citá-los quando faz sentido mostra que você fez o dever de casa, e isso ajuda.

Como saber se meu currículo passa no ATS?

Formato simples, sem tabela, sem ícone, sem coluna dupla. Termos da vaga presentes no texto, não só na seção de skills. Rode o currículo pelo verificador de ATS gratuito do jobrise antes de enviar, ele aponta problema de formatação e correspondência de palavras.

A Salesforce tem processo de entrevista padrão para engenheiros de ML?

Ninguém de fora pode afirmar com certeza o roteiro interno, e ele pode mudar por time e por nível. O que é seguro assumir é que haverá avaliação de fundamentos de ML, system design, código e comportamento. Prepare os quatro eixos, e pergunte ao recrutador o esperado para a sua vaga.

Vale a pena me candidatar do Brasil para vaga remota da Salesforce?

Depende do seu momento e do pacote oferecido. Vagas remotas para a América Latina existem, mas condições de contrato, fuso e benefícios variam. Leia a descrição com atenção, pergunte sobre modalidade e contratação ao recrutador, e compare com o mercado brasileiro antes de decidir.