Bài 30: Cấu trúc 1 vòng phỏng vấn AI Engineer

Sau bài này bạn sẽ:

• ✅ Biết pipeline phỏng vấn điển hình từ apply đến offer
• ✅ Hiểu mục đích và cách pass từng round
• ✅ Nắm được 5 component trong round onsite/final
• ✅ Có timeline chuẩn bị 4–8 tuần thực tế
• ✅ Biết những điểm trừ cần tránh và điểm cộng cần có

Một pipeline phỏng vấn AI Engineer điển hình gồm các bước sau:

Apply → CV Screen → Recruiter Screen → Technical Screen
  → Onsite/Virtual (Technical + Coding + System Design + Behavioral + Manager)
  → Reference Check → Offer → Negotiation

Thời Gian Theo Loại Công Ty

Loại công ty	Số round	Tổng thời gian
Startup (Series A–B)	3–5 round	1–3 tuần
Big Tech (Google, Meta, Amazon...)	5–8 round	4–8 tuần
Local VN	2–4 round	1–3 tuần

Với hầu hết công ty, toàn bộ pipeline kéo dài 2–6 tuần tùy tốc độ scheduling và số round. Startup thường quyết định nhanh hơn Big Tech nhiều.

Thời lượng: 15–30 phút.
Người phỏng vấn: HR hoặc Recruiter (thường non-technical).
Mục đích: Kiểm tra basic fit — interest, logistics, availability.

Câu Hỏi Điển Hình

• "Tell me about yourself" (60–90 giây)
• "Why are you applying for this position / company?"
• "What are your salary expectations?"
• "What is your notice period?"
• "Do you prefer remote, hybrid, or onsite?"

Chuẩn Bị Gì

• Pitch 60–90 giây: [Background] → [Điểm chuyển sang AI] → [Relevant project] → [Tại sao role này]. Luyện đến khi tự nhiên, không đọc thuộc.
• Salary range: Research Glassdoor, Levels.fyi, Vietnam IT salary survey trước. Không nên nói cứng 1 con số — nói range dựa trên data.
• Lý do cụ thể cho công ty: Đọc blog kỹ thuật, product announcement, LinkedIn của team. Recruiter nhận ra ngay khi candidate chưa research.

Pass rate: 70–85% nếu CV đã pass screen. Round này ít loại trừ — rớt thường do mismatch lương hoặc logistics (remote vs onsite).

Salary Discussion Ở Round Này

Recruiter có thể hỏi sớm. Nếu chưa muốn cam kết cụ thể, cách trả lời hợp lệ:

"I'm looking for something in the range of [X–Y], based on market data
for this role and location. I'm open to discussing the full package once
we know there's a mutual fit."

Negotiation thực sự diễn ra sau khi có offer — bài 40 đi chi tiết về phần này.

Thời lượng: 30–60 phút.
Người phỏng vấn: ML/AI Engineer (technical).
Format: Video call hoặc shared screen coding.
Mục đích: Filter nhanh — kiểm tra nền tảng, không deep dive.

Câu Hỏi Điển Hình

Conceptual:

• "What is overfitting? How do you handle it?"
• "Explain the difference between BERT and GPT."
• "What is attention mechanism?"

Coding nhẹ:

• Leetcode easy + Python data manipulation.
• Câu hỏi Pandas: "Given this DataFrame, filter rows where column X > 10."

Project deep-dive:

• "Walk me through your RAG project — what were the main challenges?"
• "What would you do differently?"

Pass rate: 40–60%. Đây là round có tỷ lệ loại cao nhất trong pipeline.

Điểm Quan Trọng

Interviewer technical screen không cần bạn biết hết mọi thứ — họ muốn thấy bạn hiểu cơ bản và có project thực tế để nói về. Project từ Module 3 (bài 11–16) chính là material cho phần này.

Round cuối thường gồm 3–5 component được block liên tiếp trong 3–5 giờ. Mỗi component do 1 interviewer khác nhau phụ trách.

Component A — Technical Interview (45–60 phút)

Deep dive vào 1 lĩnh vực: ML cơ bản, NLP/LLM, hoặc Computer Vision tùy role. Bài 32–33 của Module 7 có danh sách 30+ câu thường gặp.

• Gradient descent, regularization, optimizer.
• Tokenization, attention, transformer architecture.
• RAG pipeline, hallucination mitigation, fine-tuning.
• "How would you evaluate this RAG system?"

Component B — Coding Interview (45–60 phút)

Bài 34 chi tiết về phần này. Đặc điểm so với Software Engineer interview:

• Ít tập trung tree/graph phức tạp, nhiều hơn data manipulation.
• Array, hashmap, string, 2-pointer, sliding window, easy DP.
• SQL query nếu role có data-heavy component.
• Pandas data manipulation thường xuất hiện ở AI role.

Format: shared screen, 1 bài, 30–45 phút. Nói to thinking process khi giải.

Component C — System Design (45–60 phút)

Bài 35–36 chi tiết. Topic phổ biến:

• "Design a RAG chatbot serving 10,000 concurrent users."
• "Design an ML inference pipeline with SLA 100ms p99."
• "Design a model retraining pipeline."
• "Design an A/B testing framework for ML models."

Skill được đánh giá: vẽ architecture diagram, capacity estimation, trade-off analysis (không có 1 đáp án đúng duy nhất).

Component D — Behavioral (30–45 phút)

Bài 31 chi tiết về STAR method. Câu hỏi điển hình:

• "Tell me about a difficult bug you debugged."
• "How did you handle a disagreement with a teammate?"
• "Why are you leaving your current company?" — cần trả lời tactful, không nói xấu.
• "What is your biggest weakness?" — chọn điểm yếu non-fatal + nêu improvement plan.

Chuẩn bị 5–8 câu chuyện covering: success, failure + learning, conflict, leadership, technical challenge.

Component E — Manager Conversation (30 phút)

Thường là bước cuối cùng trong loop. Mục đích hai chiều:

• Họ hỏi: "Why this team?", "Where do you see yourself in 2 years?", "How do you stay updated with AI?"
• Bạn hỏi: team structure, roadmap sản phẩm, growth path, cách team tiếp cận technical decisions. Bài 37 có danh sách câu hỏi reverse.

Không có câu hỏi nào để hỏi ngược lại là một tín hiệu xấu rõ ràng.

Onsite interview giảm dần sau 2020. Năm 2024–2025, virtual là chuẩn ở hầu hết công ty tech.

Tiêu chí	Onsite	Virtual
Gặp team	Trực tiếp — thấy office, gặp người	Không
Logistics	Tốn travel time, cost	Convenient
Body language	Dễ đọc	Khó — ảnh hưởng rapport
System design	Whiteboard vật lý	Miro, Excalidraw, hoặc shared doc
Áp lực	Cao hơn — môi trường lạ	Thấp hơn — môi trường quen thuộc

Chuẩn Bị Cho Virtual

• Nước uống, notebook để ghi chú trong lúc nghe.
• Thiết bị đã sạc đầy, có mic backup.
• Camera ON — camera off không giải thích là red flag ở nhiều công ty.
• Kiểm tra connection, background trước 10 phút.
• Làm quen với Miro hoặc Excalidraw nếu cần vẽ system design.

Chuẩn Bị Cho Onsite

• Đến sớm 10–15 phút — trễ không báo trước là điểm trừ nặng.
• Mang theo printed portfolio hoặc project summary nếu muốn.

Dựa trên feedback từ hiring manager tại các công ty tech, trọng số xấp xỉ như sau:

Tiêu chí	Trọng số
Technical skill match	~60%
Communication	~25%
Culture fit	~15%

Với candidate trái ngành, communication và transition story có vai trò lớn hơn trung bình. Interviewer muốn hiểu tại sao bạn chuyển sang AI và bạn đã làm gì để rút ngắn khoảng cách đó.

Technical skill không cần hoàn hảo — cần đủ để làm việc được từ ngày đầu và có trajectory học tiếp.

Red Flag — Tránh Những Điều Này

• Trễ interview không báo trước.
• Không biết gì về công ty — interviewer nhận ra ngay.
• Nói xấu employer cũ — dù thật, tuyệt đối tránh.
• Khai kinh nghiệm không có thật — dễ bị phát hiện qua technical question.
• Không có câu hỏi nào hỏi ngược lại interviewer.
• Camera off không giải thích (virtual).

Green Flag — Những Gì Tạo Tín Hiệu Tốt

• Đúng giờ, chuẩn bị kỹ.
• Research cụ thể về công ty — đề cập blog post, product feature gần đây.
• Câu hỏi ngược lại có chiều sâu — không hỏi những thứ có trên website.
• Thừa nhận giới hạn trung thực: "Tôi chưa làm phần này nhưng đây là cách tôi tiếp cận."
• Có project cụ thể để nói về — số liệu, kết quả, bài học.
• Thể hiện curiosity — theo dõi paper, experiment, học thêm ngoài việc.

Tuần 1–2: Self-Study

• Coding: Leetcode 30–50 bài easy-medium, tập trung array, hashmap, string, 2-pointer.
• ML/DL review: "Hands-on Machine Learning" (Aurélien Géron) — ôn gradient descent, overfitting, regularization.
• LLM/RAG review: Hugging Face NLP Course (free online) — tokenizer, attention, fine-tuning API.
• Behavioral: Viết sẵn 5–8 câu chuyện theo STAR.

Tuần 3–4: Mock Interview

• Pramp.com: Free, peer mock, lập lịch với người lạ — simulate real interview pressure.
• Interviewing.io: Paid, interviewer là ex-FAANG — feedback chất lượng cao hơn.
• Bạn bè / mentor: Nhanh và linh hoạt, nhưng cần người đủ trình kỹ thuật.
• Mục tiêu: 4–6 mock session — đủ để quen với việc giải bài dưới áp lực.

Tuần 5–6: Apply + Interview Song Song

• Gửi 5–10 application mỗi tuần — đủ để có volume mà vẫn maintain chất lượng.
• Schedule các round của nhiều công ty song song để có leverage khi negotiate.
• Tiếp tục luyện coding — Leetcode không dừng.

Tuần 7–8: Offer và Negotiation

• So sánh offer giữa các công ty.
• Bài 40 đi chi tiết về negotiation strategy.

Lưu ý thực tế: Timeline 4 tuần là minimum. Nếu bạn còn yếu coding hoặc chưa có project nào để nói về, cần thêm 2–4 tuần chuẩn bị nền trước khi apply.

Thank-You Email

Gửi trong 24 giờ. Brief, cụ thể, không văn vẻ:

Subject: Thank you — AI Engineer interview at [Company]

Hi [Name],

Thank you for taking the time to speak with me about the AI Engineer role
at [Company] today.

I particularly enjoyed our conversation about [specific topic discussed].
It gave me a clearer picture of [team/challenge/project].

I'm genuinely interested in the role and happy to provide any additional
information you need.

Best,
[Your Name]

Ghi chú ngay sau interview những điểm đã nói — để đảm bảo email reference đúng conversation, không nhầm sang công ty khác.

Timeline Chờ Kết Quả

• Decision thông thường: 1–2 tuần sau round cuối.
• Silence hơn 2 tuần: Follow up lịch sự qua recruiter — "I wanted to check if there's any update on the timeline."
• Bị reject: Hỏi feedback. Không phải lúc nào cũng nhận được, nhưng đáng hỏi — một số recruiter sẽ cho biết điểm yếu cụ thể.

Những lỗi thường gặp trong interview — phần lớn có thể tránh được nếu biết trước:

Pitfall	Vấn đề	Cách sửa
Học thuộc câu trả lời quá kỹ	Nghe robotic, mất tự nhiên	Nắm ý chính, nói tự nhiên
Nói quá dài	Mất điểm focus	90s cho behavioral, 5 phút cho technical
Không hỏi clarifying question khi coding	Giải nhầm đề	Hỏi input/output format, edge case trước khi code
Code ngay không nói approach	Interviewer không follow được	Nói to approach 1–2 phút trước khi code
Defensive khi bị challenge	Tạo cảm giác khó làm việc chung	Lắng nghe, acknowledge, cân nhắc lại
Không cảm ơn cuối buổi	Thiếu professionalism	Cảm ơn ngắn gọn trước khi kết thúc call

Bài này là overview. Từng component được đi sâu trong các bài sau:

Bài	Chủ đề	Nội dung chính
Bài 31	Behavioral / STAR	Cấu trúc STAR, 8 câu hỏi phổ biến, câu chuyện mẫu
Bài 32	Technical — ML / DL	30 câu: gradient descent, overfitting, optimizer, regularization
Bài 33	Technical — LLM / RAG / Agent	Tokenizer, attention, RAG, fine-tuning, hallucination, vector DB
Bài 34	Coding interview	Leetcode easy-medium, Pandas, SQL — pattern và practice
Bài 35	System design — RAG production	Architecture, capacity, trade-off cho RAG chatbot
Bài 36	System design — ML inference	Serving pipeline, SLA, scaling, model versioning
Bài 37	Reverse questions	Danh sách câu hỏi nên hỏi interviewer — theo từng loại role

Bài 31: Câu hỏi behavioral phổ biến — chuẩn bị câu chuyện theo STAR