Kinh nghiệm phỏng vấn vị trí Data Scientist / ML Engineer cho người chuyển ngành

Bạn đang tự hỏi:
“Em trái ngành, muốn apply Data Scientist / ML Engineer thì phải chuẩn bị gì?
Phỏng vấn sẽ hỏi những gì? Có bị soi ‘background không chuẩn’ không?”

Tin vui: người chuyển ngành hoàn toàn có thể đậu phỏng vấn AI/DS, nếu bạn:

kể được câu chuyện chuyển ngành thuyết phục
có dự án thật trong portfolio
và luyện các dạng câu hỏi thường gặp (kỹ thuật + hành vi + tư duy)

Trong bài này, mình sẽ hướng dẫn bạn từng bước, giúp bạn tránh bỡ ngỡ khi bước vào phỏng vấn DS/ML.

Người chuyển ngành đi phỏng vấn DS/ML: khác gì so với ứng viên “đúng ngành”?

Nhà tuyển dụng nhìn gì khi thấy bạn trái ngành?

Khi CV bạn ghi: kế toán, ngân hàng, marketing, xây dựng, cơ khí… → apply Data Scientist / ML Engineer, interviewer sẽ muốn biết:

Bạn có nghiêm túc chuyển ngành hay chỉ “thử xem sao”?
Bạn đã chuẩn bị nền tảng gì?
(Python, SQL, ML cơ bản, tư duy dữ liệu, tiếng Anh…)
Bạn đã đầu tư học hành ra sao?
(lộ trình 6–12 tháng, chương trình bài bản như AIO, dự án cá nhân…)

Họ ít quan tâm bạn từng làm nghề gì, mà nhìn vào:

bạn hiểu công việc DS/ML đến đâu
bạn đã làm gì để chứng minh sự cam kết
bạn có tư duy phù hợp để học & làm thật trong 1–2 năm tới

Điểm mạnh và điểm yếu của người chuyển ngành

Điểm yếu

Thiếu kinh nghiệm thực tế trong công ty
Kiến thức nền có lỗ hổng
Thiếu tự tin khi bị hỏi sâu

Điểm mạnh (nếu biết tận dụng)

Domain knowledge từ ngành cũ – cực hữu ích nếu xin vào đúng ngành
Kinh nghiệm đi làm thật: giao tiếp, teamwork, chịu trách nhiệm
Sự cam kết: dám đầu tư 1 năm học lại → đây là điểm cộng lớn

Kết luận quan trọng

Phỏng vấn DS/ML cho người chuyển ngành không phải để “bắt lỗi quá khứ”, mà để trả lời:

“Liệu bạn có thể trở thành Data Scientist / ML Engineer thật sự sau 1–2 năm nếu team đầu tư đào tạo thêm không?”

Các vòng phỏng vấn DS/ML thường gặp (và cách người chuyển ngành cần chuẩn bị)

1. CV screening & phỏng vấn nhanh (phone/online 30 phút)

Mục tiêu của nhà tuyển dụng:

Xác nhận bạn hiểu mình đang apply cái gì
Kiểm tra động lực chuyển ngành
Hỏi sơ nền tảng: Python, SQL, ML cơ bản

Người chuyển ngành cần làm gì?

Chuẩn bị câu trả lời 1–2 phút cho 3 thứ:

Vì sao chuyển ngành? (thẳng thắn, không vòng vo)
Bạn đã học gì? Bao lâu? Theo lộ trình nào?
(ví dụ: AIO 1 năm, 22+ dự án…)
Dự án nào bạn tự tin nhất?

Nếu bạn nói mơ hồ kiểu: “Em thích AI vì hot” → loại rất nhanh.

2. Bài test kỹ thuật (online test hoặc take-home assignment)

Hai dạng phổ biến:

a. Online test (60–90 phút)

Gồm:

SQL
Python (list, dict, loop, function, dataframe)
ML cơ bản (overfitting, metric…)

Cách luyện:

LeetCode / Hackerrank SQL & Python mức easy–medium
Ôn lại ML cơ bản:
- Train/test split
- Accuracy, Precision, Recall, F1
- Overfitting vs Underfitting
- Cross-validation

b. Take-home assignment (1–3 ngày)

Yêu cầu thường gồm:

Làm EDA
Xây model
Viết notebook/report giải thích

Đây là cơ hội lớn cho người chuyển ngành:

→ Bạn thắng bằng tư duy + cách trình bày, không phải “kinh nghiệm đi làm”.

Hãy gửi một notebook:

sạch, rõ ràng, có heading
giải thích logic từng bước
có kết luận & đề xuất cải tiến

3. Phỏng vấn kỹ thuật (technical interview)

Họ hỏi những gì?

Kiến thức ML cơ bản:
Linear/Logistic Regression, Tree, Random Forest, XGBoost
Concept:
Overfitting, Regularization, Bias–Variance, Cross-validation
Metric:
Accuracy, Precision/Recall, F1, ROC–AUC
Phân tích dự án bạn đã làm

Cách trả lời của người chuyển ngành

Đừng học vẹt.
Hãy gắn mọi thứ với dự án thực tế bạn đã làm:

“Trong project Airbnb, em xử lý missing như thế này…”
“Model đầu tiên overfit vì…, em xử lý bằng…”

Quan trọng:

Chuẩn bị 2–3 dự án “xương sống” để kể
(ví dụ: dự báo ô nhiễm, phân loại cảm xúc, OCR, churn…)

4. Phỏng vấn case study / problem solving

Một số ví dụ:

“Muốn giảm churn thì bạn làm gì?”
“Model deploy rồi bị drift, bạn xử lý thế nào?”

Mục tiêu:
Kiểm tra tư duy & khả năng đặt câu hỏi.

Nếu bạn từng làm marketing/finance/vận hành → dùng domain knowledge để phân tích → thành điểm cộng lớn.

5. Phỏng vấn văn hóa (culture fit)

Họ muốn biết:

Bạn có thực tế hay ảo tưởng?
Bạn có sẵn sàng học tiếp không?
Bạn có kiên trì với hành trình chuyển ngành không?

Đừng trả lời:

“Em chán ngành cũ.”
“Muốn lương cao hơn.”

Hãy nói về:

động lực học
quá trình bạn đã đầu tư
kế hoạch 1–2 năm tới

Checklist chuẩn bị phỏng vấn DS/ML cho người chuyển ngành

1. Ôn lại nền tảng

Bạn cần nắm chắc:

Python: hàm, loop, xử lý dataframe
SQL: join, group by, aggregate
ML cơ bản: Regression, Classification, Tree, Ensemble
EDA: missing, outlier, scaling, encoding

2. Chọn 2–3 dự án “đinh” để kể

Cho mỗi dự án, luyện trả lời:

Bài toán là gì?
Dữ liệu ra sao?
Xử lý dữ liệu thế nào?
Model nào được thử?
Vì sao chọn model cuối?
Kết quả?
Bài học rút ra?

Trong AIO, hơn 22 dự án giúp bạn chọn 2–3 cái mạnh nhất để kể.

3. Luyện trả lời câu hỏi “khó” cho người chuyển ngành

Ví dụ:

“Bạn chuyển ngành vì điều gì?”
“Điểm yếu của bạn so với ứng viên đúng ngành?”
“Bạn đã làm gì để bù lại?”
“Nếu không đậu, bạn dự định làm gì tiếp?”

Hãy trả lời trung thực + có kế hoạch rõ ràng.

4. Mock interview (phỏng vấn thử)

Bạn sẽ học được nhiều hơn cả đọc 10 bài viết.

Hãy:

nhờ bạn bè/mentor phỏng vấn thử
ghi âm lại
xem lại cách mình nói:
- có lan man không?
- có hiểu thật nội dung không?
- có trả lời đúng trọng tâm không?

AIO hỗ trợ gì – và không hứa gì – cho người chuẩn bị phỏng vấn DS/ML?

AIO không hứa việc làm

Không cam kết:

“Ra trường có job 100%”
“Chuyển ngành chỉ trong 6 tháng”

AIO tập trung vào 3 thứ bền vững:

Kiến thức thật
Dự án thật (22+ project)
Mentor & cộng đồng đồng hành

Trong quá trình học, bạn sẽ:

Làm portfolio
Nhận feedback về dự án
Hiểu tư duy đúng về ML/DL/GenAI
Tham gia Q&A, mentoring định hướng

=> Đây là những thứ trực tiếp giúp bạn vượt qua phỏng vấn DS/ML.

FAQ – Người chuyển ngành hỏi gì khi chuẩn bị phỏng vấn DS/ML?

1. Học 3–6 tháng có nên đi phỏng vấn chưa?

Nên thử, đặc biệt các vị trí:

Intern
Fresher
Data Analyst → ML/DS

Đừng sợ rớt. Mỗi buổi phỏng vấn là 1 feedback cực giá trị.

2. Không giỏi tiếng Anh có phỏng vấn DS/ML được không?

Có thể, tùy công ty.

Nhưng nếu đi đường dài trong AI/DS → dần dần phải cải thiện tiếng Anh.

3. Học xong AIO có chắc đậu phỏng vấn không?

Không ai dám hứa điều đó.
Kết quả phụ thuộc:

điểm xuất phát
sự cam kết (28h/tuần)
portfolio
thị trường tuyển dụng

4. 30+ tuổi có bất lợi không?

Có thể có.
Nhưng:

bạn có kinh nghiệm sống
hiểu business tốt
thăng tiến nhanh hơn nếu làm tốt

Tuổi không phải rào cản nếu bạn có kỷ luật & kế hoạch rõ ràng.

5. Nên đợi học xong hết rồi apply, hay vừa học vừa apply?

Vừa học vừa apply, đặc biệt từ tháng thứ 6 trở đi.
Không bao giờ có thời điểm gọi là “học xong hết”.