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

Você quer concorrer a uma vaga de Machine Learning Engineer na Shopify e não sabe o que colocar no currículo. O problema não é falta de experiência técnica. É a falta de foco: seu CV fala de tudo e não mostra o que interessa para essa empresa.

A Shopify é uma empresa canadense, com contratações distribuídas e um histórico de trabalho remoto. No Brasil, a maioria dos candidatos acaba aplicando para posições fora do país, com processo em inglês. Isso muda tudo na hora de preparar o currículo e a entrevista.

Vou mostrar como adaptar seu material para essa vaga sem inventar nada sobre processos internos que a empresa não publica. Com exemplos concretos, checklist e o que realmente faz diferença.

Como a Shopify contrata e o que isso significa para você#

A Shopify tem times de engenharia espalhados e já declarou postura de trabalho remoto. Não vou afirmar detalhes de etapas ou formatos de entrevista, porque isso muda e a empresa não divulga um processo fixo. O que dá para afirmar: o foco é produto de e-commerce, escala e impacto mensurável.

Vagas de Machine Learning Engineer em empresas de produto costumam pedir modelagem, engenharia de dados, deploy de modelos e medição de resultado em produção. A Shopify não é exceção nesse sentido. Seu currículo precisa responder a essas quatro frentes.

Uma dica prática: use um decodificador de descrição de vaga para extrair as palavras-chave reais do anúncio. O decodificador gratuito de descrições de vaga ajuda a separar requisitos técnicos de requisitos genéricos. Faça isso antes de escrever qualquer linha do currículo.

Palavras-chave que o currículo precisa ter#

Não se trata de encher o CV de termos técnicos. É sobre usar a linguagem que a empresa usa. Se a vaga pede "recommender systems", não escreva apenas "sistemas de recomendação" e deixe por isso mesmo. Escreva os dois, se o currículo for em inglês, ou o termo em inglês entre parênteses.

Termos que aparecem com frequência em vagas de ML Engineer em empresas de produto:

• Modelagem de machine learning, classificação, regressão, ranking
• Sistemas de recomendação, personalização, busca
• Feature engineering e pipelines de dados
• MLOps, monitoramento de modelos, retraining
• Deploy de modelos, APIs de inferência, latência
• A/B testing, métricas de produto, experimentação
• Python, SQL, frameworks de ML como PyTorch ou TensorFlow
• Ferramentas de nuvem como GCP, AWS ou Azure

Ajuste essa lista para o anúncio específico. Não coloque tudo. Coloque o que você realmente domina e que a vaga pede.

Como reescrever as experiências do currículo#

O erro mais comum é descrever responsabilidades em vez de resultados. "Responsável por modelos de previsão" não diz nada. Mostre o que você construiu, qual era o problema e qual foi o efeito medido.

Exemplo de linha reescrita, antes e depois:

Antes: "Responsável por modelos de previsão de demanda para o time de logística."

Depois: "Construí modelo de previsão de demanda em Python que reduziu o erro médio de previsão do time de logística, alimentando o planejamento de estoque de 12 centros de distribuição."

A versão nova diz o que foi feito, como foi feito e onde foi usado. Sem inventar número de impacto que você não mediu. Se você não tem o número exato, diga a escala do problema, como "12 centros de distribuição". Isso já mostra porte.

Outro exemplo, para um projeto de recomendação:

Antes: "Trabalhei em sistema de recomendação."

Depois: "Implementei pipeline de recomendação com ranking em Python e Spark, processando o histórico de navegação de usuários para personalizar a home de um e-commerce com mais de 100 mil SKUs."

O detalhe do tamanho do catálogo faz o recrutador entender o contexto sem você precisar de métrica confidencial.

Checklist do currículo antes de enviar#

• O título da vaga e as palavras-chave principais aparecem no cabeçalho ou no resumo
• Cada experiência tem verbo de ação, contexto técnico e resultado ou escala
• Python e SQL aparecem onde você realmente os usou
• Você mencionou pelo menos um projeto com modelo em produção
• Formatos de arquivo são compatíveis com leitura automática, preferencialmente DOCX ou PDF simples
• Não há tabelas, colunas múltiplas ou ícones que atrapalham a leitura por sistemas
• O currículo tem no máximo duas páginas se você tem mais de cinco anos de experiência
• Você testou o arquivo em um verificador de compatibilidade com sistemas de triagem

Sobre o último ponto: muitas empresas usam filtros automáticos antes de um humano ler seu CV. O verificador gratuito de currículo para ATS mostra se o seu arquivo tem problemas de formação que impedem a leitura. É gratuito e leva poucos minutos.

Preparação para a entrevista técnica#

Para Machine Learning Engineer, a entrevista técnica costuma cobrir três frentes. Codificação, fundamentos de machine learning e um problema de design de sistema com ML no meio. Vou tratar cada uma por cima, sem prometer que é exatamente assim na Shopify.

Em codificação, revise estruturas de dados, manipulação de arrays e problemas de contagem e ordenação. Python é a linguagem mais usada nesse tipo de vaga, então esteja confortável com bibliotecas padrão.

Em fundamentos, revise viés e variância, regularização, métricas de classificação, overfitting, validação cruzada e o porquê de cada escolha. Não basta decorar definições. Saiba explicar quando você usaria uma métrica em vez de outra.

Em design de sistema com ML, pratique explicar como você colocaria um modelo de recomendação em produção. Fonte de dados, features, treino, serving, latência aceitável, monitoramento e retraining. Fale sobre trade-offs. Diga o que você faria primeiro e o que deixaria para depois.

Exemplo de resposta para uma pergunta de experiência#

Pergunta do entrevistador: "Conte sobre um projeto de machine learning do qual você se orgulha."

Resposta de exemplo:

"Em um e-commerce onde trabalhei, a home page mostrava os mesmos produtos para todos os usuários. O time de produto queria aumentar o engajamento sem mexer no catálogo. Eu construí um sistema de recomendação baseado no histórico de navegação, usando um modelo de ranking em Python. A parte difícil foi a latência: a inferência precisava responder em menos de 100 milissegundos. Fizemos cache das features mais pesadas e servimos o modelo por uma API leve. Não posso compartilhar o número final de conversão por confidencialidade, mas o produto passou a ser usado de forma permanente pela equipe de produto."

Essa resposta tem problema, solução, dificuldade técnica e limite de confidencialidade declarado. É honesto e mostra maturidade. Evite citar números que você não pode confirmar.

O que pesquisar sobre a empresa antes da entrevista#

Leia a página de produto da Shopify e entenda o que a plataforma faz para lojistas. Conheça os conceitos de catálogo, checkout, Shopify Payments e apps do ecossistema, pelo menos no nível de definição. Você não precisa saber detalhes internos.

Acompanhe o blog de engenharia da empresa, se existir publicação ativa, e veja que tipo de problema os times de lá resolvem. Isso dá vocabulário para suas respostas. Para explorar mais conteúdo sobre preparação e mercado, o blog do jobrise tem artigos sobre entrevistas técnicas e currículo.

Avisos sobre o mercado brasileiro#

Vagas de Machine Learning Engineer para empresas de fora costumam ser contratadas como pessoa jurídica, contrato de prestação de serviço, ou por entidade de recolhimento. Não existe garantia de visto, não existe garantia de salário e as condições mudam conforme o país e a empresa.

Faixas de compensação para esse tipo de vaga variam muito. Pessoas relatam valores diferentes dependendo de experiência, país de residência e tipo de contrato. Não vou dar número aqui porque seria chute. Verifique sempre a fonte oficial da vaga ou pergunte ao recrutador na primeira conversa.

Se a vaga for remota para o Brasil, confirme o modelo de contratação, moeda de pagamento e fuso de trabalho antes de avançar no processo. Essas três coisas mudam o valor real da oferta.

Onde procurar essas vagas#

Acompanhe a página de carreiras da empresa e agregadores que listam vagas de tecnologia fora do país. O buscador de vagas do jobrise reúne oportunidades de tecnologia, incluindo posições remotas para brasileiros. Filtre por "machine learning" e "engenheiro de software" para não perder nada.

Perguntas frequentes#

Preciso ter experiência com Shopify para concorrer a essa vaga?

Não necessariamente. O que pesa é a experiência em machine learning em produção e engenharia de software. Conhecer o ecossistema da plataforma ajuda na entrevista, mas não substitui fundamentos técnicos sólidos.

Meu currículo deve ser em inglês ou português?

Se a vaga está em inglês, entregue o currículo em inglês. Ter as duas versões é útil, mas a versão enviada deve corresponder ao idioma da descrição da vaga. Não misture idiomas no mesmo documento.

Quanto tempo leva o processo seletivo para essa empresa?

Não existe um tempo fixo e a empresa não publica um prazo padrão. Prazos variam por vaga, time e momento de contratação. Pergunte ao recrutador na primeira conversa e combine um canal de acompanhamento.

Devo mencionar projetos pessoais de machine learning?

Sim, se eles mostram algo que sua experiência profissional não mostra. Foque no problema que você resolveu e na decisão técnica que tomou. Projetos sem contexto e sem decisão não agregam.

Como confirmar se a vaga aceita candidatos do Brasil?

Leia a descrição da vaga com atenção e confirme com o recrutador antes de investir tempo na preparação. Restrições de país, modelo de contrato e fuso horário costumam estar na descrição ou são esclarecidos na primeira conversa. Não assuma que remoto significa qualquer lugar do mundo.