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

Você quer concorrer a uma vaga de Machine Learning Engineer na Stripe e não sabe o que colocar no currículo nem o que esperar na entrevista. É uma dúvida comum, porque o cargo combina engenharia de software, sistemas distribuídos e modelos em produção, e a maioria dos currículos falha em pelo menos um desses três pontos.

Vou ser direto: não existe um processo interno oficial da Stripe que eu possa te passar aqui, e qualquer site que prometa "as perguntas exatas que caem" está inventando. O que dá para fazer é mapear o que a empresa valoriza publicamente, ler a descrição da vaga com cuidado e montar uma candidatura que fale a mesma língua dela.

O que a Stripe espera de um engenheiro de machine learning#

Pela descrição das vagas e pelo material público da empresa, o perfil é de alguém que escreve código de produção, entende de dados em larga escala e sabe colocar modelos rodando com confiabilidade. Não é um cargo de pesquisa pura. Não é só "fazer o modelo ficar bonito".

Os temas que aparecem com frequência são sistemas de pagamento, detecção de fraude, risco, otimização de funil e infraestrutura de dados. Se você nunca trabalhou com pagamentos, tudo bem. O que pesa é conseguir mostrar problemas parecidos: decisão automatizada sob pressão, custo de erro alto, dados desequilibrados, latência que não pode passar de alguns milissegundos.

Como ler a vaga antes de mexer no currículo#

Antes de escrever qualquer linha, abra a descrição da vaga e decodifique o que ela realmente pede. Use o decodificador de descrições de vagas para separar requisitos reais de ruído de texto, e depois monte seu currículo em cima do que sobrar.

O padrão que funciona é simples: para cada requisito importante, você deve ter uma linha no currículo que responda a ele com um resultado concreto. Se a vaga pede "experiência com modelos em produção", você não escreve "experiência com modelos em produção". Você escreve o que você colocou em produção, para qual volume e com qual efeito.

Palavras-chave que valem para essa vaga#

Recrutadores e sistemas de triagem procuram termos específicos. Vale usar os que fazem sentido para a sua experiência real, nunca todos de uma vez.

• machine learning em produção, MLOps, deploy de modelos
• detecção de fraude, scoring de risco, sistemas de decisão
• Python, SQL, Spark, Airflow, Kubernetes
• feature engineering, dados desequilibrados, avaliação de modelos
• sistemas distribuídos, latência, throughput, confiabilidade
• A/B testing, experimentação, métricas de negócio
• LLMs, embeddings, retrieval, se for o seu caso
• AWS, GCP, infraestrutura em nuvem

Escolha entre seis e dez que apareçam na vaga e na sua história. Depois, rode o verificador de currículo para ATS para conferir se o documento passa na leitura automática antes de chegar a uma pessoa.

Um exemplo de bullet reescrito#

Quase todo mundo escreve isso:

Responsável por modelos de machine learning na área de risco, melhorando os resultados da equipe.

Fica vago, não diz o que você fez nem o que mudou. Agora olhe a versão reescrita:

Projetei e coloquei em produção um modelo de scoring de risco que processava cerca de 2 milhões de transações por dia, reduzindo em 18% os falsos positivos em comparação com a regra anterior e mantendo latência média abaixo de 40 ms na inferência.

A diferença é que a segunda versão tem contexto, volume, resultado e uma restrição técnica. Se os seus números forem outros, use os seus. Se você não tiver o número exato, dê uma faixa honesta e diga como mediu. Não invente. Em entrevista técnica, o entrevistador costuma descer no detalhe até encontrar o ponto onde você para de saber.

O que perguntar e o que responder#

A entrevista vai cobrar três coisas: código, sistemas e julgamento de produto. Código e sistemas você estuda resolvendo problemas e desenhando arquiteturas em voz alta. Julgamento é onde a maioria trava, porque não tem resposta certa, só respostas defendáveis.

Um exemplo de resposta para a pergunta "como você colocaria um modelo de detecção de fraude em produção?":

Eu começaria definindo a métrica de decisão, não a métrica do modelo. Nesse caso, custo de fraude perdida versus custo de bloqueio indevido. Depois separaria treino e inferência: treino em batch com dados de janela deslizante, inferência síncrona com orçamento de latência explícito. Colocaria o modelo atrás de uma versão da regra antiga, com rollout gradual e monitoramento de drift, e prepararia um fallback para a regra manual caso a latência ou a distribuição de features fugisse do esperado. Por fim, definiria alertas de negócio, não só alertas de infraestrutura, porque um modelo que não degrada tecnicamente ainda pode começar a errar caro.

Note que a resposta não assume nada sobre o processo interno da Stripe. Ela mostra o seu raciocínio, e é isso que está sendo avaliado.

Cuidado com o mercado brasileiro#

Se você está no Brasil, algumas coisas mudam. Vagas da Stripe podem aparecer como contrato internacional, como entidade local ou como posição remota com faixa salarial diferente da praticada no mercado brasileiro. Os valores variam muito e mudam com o tempo, então confira sempre a fonte oficial da vaga e a legislação vigente antes de negociar ou aceitar qualquer proposta.

Outro ponto: currículo no Brasil ainda costuma pedir foto e dados pessoais que empresas de fora não pedem, e às vezes até atrapalham. Para vaga internacional, mantenha o documento enxuto, sem endereço completo, sem estado civil e com um e-mail profissional. Se você já tem experiência com clientes ou times fora do país, coloque isso em uma linha, porque releva que você consegue trabalhar em outro fuso e em outra língua.

Checklist antes de enviar#

• O currículo tem no máximo duas páginas e está em inglês se a vaga estiver em inglês
• Cada bullet tem ação, contexto e resultado, sem adjetivo vazio
• As palavras-chave da vaga aparecem naturalmente no texto
• Você passou o currículo pelo verificador de ATS e corrigiu o que ele apontou
• Você sabe explicar cada número que escreveu, inclusive como mediu
• Você tem duas ou três histórias prontas sobre erro, conflito técnico e decisão difícil
• Você pesquisou o produto da Stripe e tem uma opinião sobre um problema real dele
• Você sabe a faixa salarial esperada e a fonte oficial dela

Onde procurar a vaga#

Antes de investir semanas de preparação, confirme que a vaga existe e está aberta. Dá para filtrar as vagas de machine learning e engenharia no buscador de vagas e ver quais posições aceitam candidatos do Brasil. Aproveite para ler outros artigos sobre currículo e entrevista, que cobrem casos parecidos em outras empresas de tecnologia.

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 pagamentos para concorrer?

Não. Experiência com fraude, risco, recomendação ou qualquer sistema de decisão automatizada conta, desde que você consiga explicar o problema, o volume e o resultado. O que derruba candidato é não conseguir ligar a experiência dele ao tipo de problema que a Stripe resolve.

Meu currículo deve ser em português ou inglês?

Se a vaga está em inglês, entregue em inglês. Currículo bilíngue só faz sentido quando a empresa pede os dois, o que é raro. Fora isso, um documento só, bem feito, vale mais do que dois medianos.

Quanto tempo leva para responderem?

Varia bastante e não existe prazo padrão que eu possa te garantir. Se você não tiver retorno em algumas semanas, siga com outras candidaturas. Não faça planos que dependam de uma única vaga.

A Stripe contrata remoto do Brasil?

Algumas posições aceitam trabalho remoto, outras exigem presença em escritório ou em países específicos. Isso muda com o tempo e aparece na descrição da vaga. Confirme sempre na fonte oficial antes de assumir qualquer coisa sobre modelo de contratação.

Como saber se meu currículo passa na triagem automática?

Rode o documento em um verificador de currículo para ATS e veja quais termos e seções ele não conseguiu ler. Depois compare com a descrição da vaga e ajuste. É um teste rápido que evita sumiço silencioso na triagem.