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

Você está mirando uma vaga de Machine Learning Engineer na TikTok e não sabe quais termos colocar no currículo para passar pela triagem. O problema é comum: a descrição da vaga chega cheia de palavras como ranking, embeddings e sistemas de recomendação, e o candidato brasileiro costuma entregar um currículo genérico de ciência de dados. O resultado é a recusa silenciosa.

Vou corrigir isso com exemplos concretos, palavras-chave que aparecem de fato nessas vagas, e um roteiro de entrevista que não inventa processo interno. Nada aqui garante vaga ou visto. Vagas da TikTok fora do Brasil existem, mas a disponibilidade muda mês a mês, e o processo de visto depende do país e da legislação local.

O que a TikTok realmente pede em vagas de MLE#

Abra qualquer vaga recente de Machine Learning Engineer na TikTok e você vai encontrar três blocos recorrentes. Primeiro, fundamentos de machine learning: deep learning, otimização, avaliação de modelos, feature engineering. Segundo, sistemas: servir modelos em produção, latência, throughput, pipelines de dados. Terceiro, domínio de produto: recomendação, ranking, ads, search, ou multimodal, dependendo do time.

A palavra-chave muda por time. Um time de ads pede lances, atribuição e previsão de conversão. Um time de recomendação pede retrieval, ranking e cold start. Leia a descrição da vaga palavra por palavra antes de escrever qualquer linha do currículo. O decodificador de descrições de vaga gratuito do Jobrise ajuda a extrair esses termos e separar o que é requisito do que é desejo.

Palavras-chave que valem a pena no currículo#

Estas são as que aparecem com frequência em descrições públicas de vagas de MLE da TikTok e de empresas do mesmo porte. Use as que forem verdadeiras para você.

• PyTorch, TensorFlow, ou ambos, com o que você já produziu em cada um
• Sistemas de recomendação, retrieval, ranking, embeddings
• Deep learning, transformers, NLP, computer vision, multimodal
• Feature engineering, feature store, data pipelines, Spark, Flink
• Model serving, latency, throughput, A/B testing, online metrics
• Python, C++, Go, SQL, distributed systems
• MLOps, CI/CD para modelos, monitoring, retraining
• Kubernetes, Docker, cloud (AWS, GCP, Azure), Ray

Não coloque nada que você não consiga defender por 15 minutos numa entrevista. Recrutador técnico sente o chefe de palavra solta em dois minutos.

Como adaptar o currículo para uma vaga de MLE#

Comece pela descrição da vaga. Copie os requisitos para um documento, grife os termos técnicos que aparecem mais de uma vez, e liste ao lado o que você já fez que toca cada um. Onde não houver correspondência, não invente. Deixe em branco e compense com profundidade no que você tem.

Depois reescreva cada bullet do currículo no formato: o que você fez, como fez, qual foi o efeito medido. Se você não tem o número exato, use uma ordem de grandeza honesta, como "latência de inferência caiu de centenas de milissegundos para dezenas". Não invente percentuais. Recrutador de big tech já ouviu toda mentira possível.

Exemplo de bullet ruim: "Trabalhei com modelos de machine learning para melhorar o produto."

Exemplo do mesmo bullet reescrito: "Implementei pipeline de feature engineering em Spark para modelo de propensão de compra, reduzindo o tempo de treino de 6 horas para 2 horas e mantendo AUC estável em validação temporal."

A diferença não é adjetivo. É especificidade técnica, ferramenta nomeada, e efeito verificável.

Antes de enviar, rode o currículo pelo verificador de ATS gratuito do Jobrise. Ele aponta formatação que sistema de triagem não lê, e isso já derrubou candidato bom por besteira de PDF.

O que dizer na entrevista técnica#

A entrevista de MLE na TikTok costuma misturar coding, system design voltado a ML, e discussão de projetos. Não vou afirmar quantas rodadas tem, porque isso muda por região e por time. Prepare os três eixos, e deixe o resto para o recrutador explicar no primeiro contato.

Coding: revise estruturas de dados, grafos, programação dinâmica, e manipulação de strings e arrays. Pratique escrever código que roda, não pseudo-código bonito. Python é o idioma mais comum, mas algumas vagas pedem C++.

System design de ML: saiba desenhar um sistema de recomendação de ponta a ponta. Comece pela entrada de dados, passe por retrieval, ranking, filtragem, e métricas online. Fale de latência, cache, degradação quando o modelo cai, e como você monitora drift.

Discussão de projeto: escolha um projeto seu e conte em cinco minutos, com números, trade-offs, e o que você faria diferente hoje.

Exemplo de resposta para "conte um projeto difícil": "Construí um modelo de detecção de fraude com desequilíbrio extremo de classes. Comecei com gradient boosting, mas a precisão em transações raras era baixa. Mudei para uma abordagem de duas etapas, um filtro rápido em regras e um modelo mais pesado só para os candidatos suspeitos. Isso reduziu o custo computacional em cerca de 70% e manteve a taxa de detecção no mesmo nível da versão anterior. Se refizesse hoje, teria instrumentado melhor a distribuição de features em produção desde o dia um."

Repare na estrutura: contexto, problema, decisão técnica, resultado, autocrítica. Isso funciona em qualquer empresa de tecnologia, não só na TikTok.

O mercado brasileiro tem um detalhe importante#

Se você está no Brasil aplicando para vaga remota ou para escritório em outro país, o processo de visto é assunto separado da entrevista técnica. Não confie em número de visto achado em fórum. Consulte o site oficial do governo do país de destino e, se a empresa der apoio de imigração, confirme os termos por escrito com o recrutador.

Salários de MLE variam muito por país, senioridade e pacote de ações. Faixas que circulam na internet estão desatualizadas rápido, e o pacote de ações muda com o mercado. Pesquise faixas atuais em fontes oficiais e em relatos recentes, e trate qualquer número específico com desconfiança.

Para vagas no Brasil, a TikTok tem presença menor do que nos Estados Unidos ou Singapura. Vale olhar também empresas brasileiras e multinacionais com times de ML locais, que contratam para problemas parecidos. A busca de vagas do Jobrise filtra por senioridade e modelo de trabalho, e ajuda a comparar o que está aberto agora.

Checklist antes de enviar a candidatura#

• O currículo usa exatamente os termos técnicos da descrição da vaga, quando são verdadeiros para você
• Cada bullet tem ferramenta, ação, e efeito verificável
• O LinkedIn repete as mesmas palavras-chave do currículo, porque recrutador busca por elas
• O resumo do projeto que você vai contar na entrevista está escrito em cinco linhas
• Você sabe explicar cada palavra técnica do currículo por 15 minutos
• O PDF passou pelo verificador de ATS e abre corretamente em qualquer leitor
• Você leu notícias recentes sobre o produto da TikTok e consegue opinar sobre um problema técnico dele

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 prévia em big tech para entrar na TikTok como MLE?

Não é obrigatório, mas a régua técnica é alta. O que pesa é profundidade em projetos de ML em produção, não o nome da empresa anterior. Um projeto bem documentado em empresa pequena vale mais do que estágio vago em empresa grande.

A TikTok contrata Machine Learning Engineer remoto do Brasil?

A disponibilidade muda com frequência e depende da vaga e do time. Algumas posições são híbridas ou presenciais em escritórios fora do Brasil. Confirme o modelo de trabalho direto na descrição da vaga e com o recrutador.

Devo escrever o currículo em inglês ou em português?

Para vaga internacional, inglês, sem dúvida. Para vaga local no Brasil, português, mas mantenha os termos técnicos em inglês como aparecem na área, porque é assim que o ATS e o recrutador buscam.

Quanto tempo leva o processo seletivo na TikTok?

Varia por região, senioridade e urgência da vaga. Não existe um número oficial único que valha para todos os casos. Pergunte o prazo estimado ao recrutador na primeira conversa e trate a resposta como estimativa, não promessa.

O que fazer se meu currículo não tem números nos projetos?

Use ordens de grandeza honestas e diga que são estimativas. Melhor ainda, volte ao projeto e recupere as métricas com seu ex-gestão ou com os logs que você tem acesso. Se não der, descreva o escopo em termos de volume de dados e complexidade, sem inventar percentual.