Có câu nói phổ biến trong ngành: "garbage in, garbage out" — model tốt nhất cũng không cứu được feature kém chất lượng. Nhà tuyển dụng dùng câu hỏi này để đánh giá tư duy thực chiến, không phải chỉ biết gọi thư viện.
"Data leakage là gì và làm sao tránh?" — Khi thông tin từ tập test (hoặc thông tin tương lai) vô tình lọt vào quá trình tạo feature cho tập train, khiến model có kết quả đánh giá tốt giả tạo nhưng thất bại khi dùng thực tế. Vd. tạo feature "trung bình chi tiêu" tính trên toàn bộ dữ liệu (bao gồm cả tương lai) thay vì chỉ tính tới thời điểm dự đoán.
"Làm sao xử lý feature có nhiều outlier?" — Không phải lúc nào cũng nên xoá outlier — cần hiểu outlier đó là lỗi nhập liệu hay là tín hiệu thật quan trọng (vd. giao dịch gian lận thường LÀ outlier). Nếu là lỗi, có thể dùng capping (giới hạn giá trị) hoặc transform (log transform) để giảm ảnh hưởng.
Feature selection (chọn feature quan trọng, loại bỏ feature dư thừa/nhiễu) bằng các phương pháp như mutual information, recursive feature elimination — quan trọng khi có hàng trăm feature nhưng chỉ vài chục cái thực sự có giá trị dự đoán, tránh curse of dimensionality.
Kể 1 case cụ thể: feature nào bạn tạo ra giúp cải thiện model đáng kể, và quy trình bạn dùng để phát hiện feature đó có giá trị (feature importance, thử nghiệm A/B trên các bộ feature khác nhau) — điều này thể hiện tư duy thực nghiệm có hệ thống.