CV Cientista de dados:
Guide Expert & IA 2026

Em Portugal, 1 página é ideal para perfis iniciais e 2 páginas para perfis confirmados/sênior. Prioriza impacto e stack: 3–5 bullets por experiência, com métricas. Se precisares de espaço, reduz detalhes académicos e mantém apenas projetos que mostrem produção, experimentação e resultados.

Em Portugal, a foto é comum e pode ser incluída, desde que profissional e discreta. Se estás a candidatar-te a empresas internacionais (especialmente fora da UE) ou queres reduzir vieses, podes omitir. O mais importante é a legibilidade e o conteúdo técnico: métricas, ferramentas e projetos relevantes.

Escreve como produto: problema, dados (volume e fontes), abordagem (modelo + features), validação (métrica e baseline), e entrega (batch/API, frequência, latência). Fecha com impacto: conversão, churn, custo, risco ou eficiência. Evita listar algoritmos sem contexto; dá preferência a resultados e decisões.

Depende da vaga, mas em 2026 surgem frequentemente: Python, SQL, machine learning, feature engineering, A/B testing, Spark, cloud (AWS/Azure/GCP), MLOps, MLflow, Git e métricas de avaliação (AUC/F1/RMSE). Replica o vocabulário exato do anúncio e prova uso real em bullets com números.

Escolhe conforme a função. Para “Data Scientist – Product”, enfatiza experimentação, métricas e iteração com produto. Para “ML Engineer/Applied Scientist”, dá mais peso a deployment, latência, escalabilidade e monitorização. Se a vaga for híbrida, equilibra: 60% impacto e modelação, 40% produção e qualidade.

Senioridade aparece em escopo e influência: ownership de métricas, liderança de iniciativas, mentoria, e decisões de arquitetura. Usa números (ex.: +€1,2M/ano de uplift; redução de incidentes; SLAs cumpridos), descreve como definiste requisitos com stakeholders e como padronizaste processos (MLflow, testes, monitorização).