Nhiều ứng viên nghe đề bài xong lao ngay vào chọn thuật toán ("em sẽ dùng XGBoost") mà bỏ qua bước quan trọng nhất: hiểu đúng vấn đề kinh doanh cần giải quyết. Đây là lỗi khiến ứng viên giỏi kỹ thuật vẫn bị đánh giá thấp.
"Thiết kế hệ thống gợi ý sản phẩm cho 1 trang thương mại điện tử." — Câu trả lời tốt bắt đầu bằng làm rõ: gợi ý cho trang chủ (cold start, chưa biết hành vi user) khác với gợi ý "sản phẩm liên quan" trên trang chi tiết sản phẩm (có ngữ cảnh rõ hơn) — mỗi tình huống cần cách tiếp cận khác (collaborative filtering, content-based, hoặc kết hợp).
"Model dự đoán churn có accuracy 95% nhưng công ty vẫn không tin dùng, tại sao?" — Đây là bẫy kinh điển: nếu chỉ 5% khách hàng thực sự rời bỏ, model luôn dự đoán "không rời bỏ" cũng đạt 95% accuracy mà vô dụng hoàn toàn (class imbalance problem). Cần nhắc tới Precision/Recall/F1 hoặc AUC-ROC thay vì chỉ accuracy khi dữ liệu mất cân bằng.
Chọn mô hình phức tạp nhất (deep learning) cho mọi bài toán mà không cân nhắc: dữ liệu có đủ lớn để deep learning phát huy không, có cần giải thích được kết quả cho stakeholder không (deep learning thường khó giải thích hơn), và chi phí vận hành có xứng đáng với độ phức tạp thêm vào không.