Model tốt nhưng không ai tin dùng thì vô giá trị trong môi trường doanh nghiệp — nhà tuyển dụng dùng câu hỏi này để kiểm tra bạn có thể làm cầu nối giữa kỹ thuật và kinh doanh, không chỉ giỏi thuật toán.
"Giải thích overfitting cho 1 người quản lý không biết code." — Ví dụ tốt: "Giống như học sinh học thuộc lòng đề thi cũ thay vì hiểu bản chất — điểm thi thử rất cao nhưng gặp đề mới thì làm kém. Model overfitting cũng vậy: học quá kỹ dữ liệu huấn luyện đến mức không dự đoán tốt dữ liệu mới."
"Precision và Recall khác nhau thế nào — giải thích không dùng thuật ngữ thống kê." — Ví dụ email spam: Precision cao nghĩa là khi model nói "đây là spam" thì thường đúng (ít bỏ nhầm email quan trọng vào spam). Recall cao nghĩa là model bắt được hầu hết email spam thật (ít để lọt spam vào hộp thư chính). Tuỳ bài toán mà ưu tiên cái nào — bài toán y tế (phát hiện bệnh) thường ưu tiên Recall cao để không bỏ sót ca bệnh.
SHAP values và LIME là 2 công cụ phổ biến giúp giải thích tại sao model đưa ra 1 dự đoán cụ thể — nhắc tới các công cụ này (kèm hiểu bản chất, không chỉ tên) là điểm cộng lớn cho vị trí Data Scientist 2026, khi yêu cầu về AI minh bạch (explainability) ngày càng tăng.
Dùng quá nhiều thuật ngữ kỹ thuật khi được yêu cầu giải thích đơn giản — đây chính là điều nhà tuyển dụng muốn kiểm tra bạn KHÔNG làm. Nếu bị hỏi lại "vậy điều đó nghĩa là gì" nhiều lần, có nghĩa cách giải thích ban đầu chưa đủ đơn giản.