빅데이터/인공지능 대학원 진학하려면 뭐 준비해야 해?
대학원 진학에 가장 중요한 두 가지
빅데이터와 인공지능을 포함한 데이터 사이언스 분야의 직장인들은 다른 직장인들과는 다른 하나의 특징이 있다. 바로 학사(학부) 학위를 가진 사람보다 석사, 박사(대학원) 학위를 가진 사람이 더욱 많다는 것이다. 그리고 이 분야에서 신입으로 입사를 하기 위해서는 석사학위가 필수라는 소문이 공공연하게 돌아다니기도 한다. 그래서 데이터 사이언스에 관심이 있는 많은 사람들은 대학원 진학을 고려하곤 한다. 하지만 대학원 진학을 마음먹어도 모든 문제가 해결되는 것은 아니다. (https://brunch.co.kr/@8d1b089f514b4d5/6)
데이터 사이언스 대학원 가려는데 뭐 준비하면 좋아?
최근 대학원을 진학하는 학생들의 비율이 늘어나고 있기는 하지만 일반적인 사람들을 생각해보았을 때, 대학원 진학이라는 것이 일반적인 일이라고는 볼 수 없다. 그렇기에 대학원 진학을 마음먹었다 할지라도 구체적으로 어떤 준비를 하면 좋은지에 대해 막막한 마음이 드는 것이 사실이다. 어떤 대학원에 가고 어느 학과에 어느 지도 교수님을 선택해야 할지에 대해서도 머리 아픈데, 지원과 합격을 위한 준비를 추가로 해야하니 이는 분명 쉬운 일은 아니다. 주변에 유사한 전공으로 대학원에 진학한 지인이 있다면 그나마 다행이지만 그렇지 않은 경우에는 분명 준비를 위한 과정이 어렵게 느껴질 수 있다.
물론 대학원 진학을 위해 준비해야 하는 것에 대한 정답이 존재하지는 않는다. 어떤 학교에 어떤 학과를 지원하느냐에 따라 그 성격이 많이 달라질 수도 있고, 지원하는 사람이 아직 학교를 다니고 있는 대학생인지 혹은 직장생활을 하고 있는 직장인인지에 따라서도 그 성격이 달라질 수도 있다. 여기에 더해 어느 곳이던 마찬가지이겠지만 모든 것의 합격 여부는 의사결정권자 마음대로다. 대학원에 이를 대입해보면 교수가 마음에 들면 합격이고, 그렇지 않으면 당연히 불합격이다. 따라서 대학원 진학을 준비에는 정형화된 코스라는 것은 있을 수 없으며 본인의 상황에 맞게 모든 것을 준비해 나가야 한다.
학점과 경험이 가장 중요한 두 축이라고 볼 수 있습니다.
다만, 대학원 준비에 정답이 없다고 할지라도 어느 정도의 가이드는 존재할 수 있다. 각 학교와 전공에 있는 매우 다양한 지도교수들이 공통적으로 생각하는 중요한 측면이 있기 때문이다. 그리고 공통적으로 중요한 요소로 빼놓을 수 없는 것이 바로 학점과 관련 경험이다. 물론 그 외에도 원하는 지도교수와의 사전 컨택, 연구계획서, 자기소개서 작성, 면접 등 중요한 요소는 차고 넘친다. 그렇지만 다른 요소들은 다소 모자란 점이 있더라도 충분히 만회를 할 다른 기회가 있지만, 학점과 관련 경험은 절대 그렇지 않다. 반드시 뛰어넘어야 하는 탈락을 위한 조건과, 있으면 좋은 합격을 위한 조건의 차이라고 이해를 해볼 수도 있다.
한 가지 추가하자면 면접, 연구계획서 등의 요소는 사실 지원자들 간 큰 차이가 나는 것이 힘들다. 대부분의 면접, 특히 대학원에서의 면접은 지원자의 경험을 토대로 질문이 이루어지는 경우가 많기 때문에 애초에 관련 경험이 있는 것과 없는 것에서 면접에서 어필할 수 있는 정도에 차이가 존재한다. 또한 석사과정을 지원하는 사람이라면 대부분 실제 대학원에서의 연구과정에 대해 잘 모르는 것이 당연하다. 연구에 대해 잘 모르는 사람이 연구계획서를 작성하다 보면 허무맹랑한 이야기를 할 수밖에 없는 것이 현실이다. 다만, 그 계획서를 통해 지원자가 원하고자 하는 학업 및 연구의 대략적인 방향성을 알고 이것이 해당 대학원과 잘 일치하는지를 판단할 수 있을 뿐이다.
학점은 대학원 진학에 있어서 가장 중요한 예선전입니다.
대학원 진학에 가장 중요한 두 가지 요소 중 학점의 경우에는 대학원 진학을 위한 가장 중요한 예선전이라고 볼 수 있다. 이는 특히 직장인보다는 아직 학부에 재학 중인 대학생들에게 더욱 잘 들어맞는 말이라고 할 수 있다. 학점이라는 존재 자체가 한 사람을 판단하기에 절대적인 기준이 되기에는 한계점이 많은 수치임은 분명하다. 하지만 반대로 학점을 통해 대학 생활의 성실성을 간접적으로 파악할 수 있는 것도 분명한 사실이다. 특히 학업과 연구를 진행하고자 하는 사람들이 모인 곳이 대학원 집단이라는 사실을 생각하면, 수업을 듣고 그 과목에 어떤 성적을 최종적으로 받게 되었는지는 분명 무시할 수 없는 요소이다.
더불어 대학원 입시에 학점을 중요하게 보는 것이 당연시된 문화도 존재하는 듯하다. 학점이 낮아도 관심 분야에는 점수가 좋을 수 있고, 학교 생활 외에 많은 장점이 있을 수 있다. 하지만 이런 예외의 경우는 모두 학점의 중요성이 당연시된 대학원 입시 문화에 어느 정도 무시받는 것이 현실이다. 슬프지만 대학원도 학부와 같이 어느 정도 서열이 정해져 있다. 이때 본인의 학점이 얼마이냐에 따라 무조건 떨어지는 학교, 도전해볼 법한 학교, 무조건 합격할 수 있는 학교가 어느 정도는 정해지게 된다. 즉, 학점은 대학원 입시에서 가장 먼저 그리고 가장 중요하게 지원자 판단 근거가 되는 예선전이라고 볼 수 있다.
특히 데이터 사이언스 분야는 관련 경험이 더 중요할 수도 있습니다.
학점 다음으로 대학원 입시에 중요한 요소를 뽑으라면 단연코 관련 경험을 들 수 있다. 이는 특히 데이터 사이언스 분야에는 더욱 잘 들어맞는 말이 될 수도 있다. 빅데이터, 인공지능 분야는 기본적으로 실무적인 성격이 강하다. 직접 데이터를 만져보고 머신러닝 모델링을 진행한 경험이 있고 없고의 차이는 매우 크다. 실제 코딩을 공부해본 사람은 누구나 공감할 것이다. 책을 보고 강의를 수강해 코딩 공부를 할 수는 있지만, 실제로 코딩을 해보는 것이 그 무엇보다 빠르게 실력을 상승시킬 수 있는 방법이다. 최고의 연습은 실전이다라는 말이 이 부분에서는 잘 적용되는듯하다.
다만 학생 입장에서 실제 기업에서 데이터를 다뤄본 경험이 있을 리 만무한데, 이는 크게 걱정을 하지 않아도 좋다. 꼭 경험이라는 것이 회사에서의 경험만을 말하는 것은 아니기 때문이다. 관심을 가지고 수업을 듣거나, 스터디를 한 것, 관련된 공모전을 참가한 것은 모두 대학생이 충분히 할 수 있는 경험이 될 수 있다. 엄청나게 차별적인 경험을 한 것이 중요한 것은 아니며, 내가 이 분야에 관심이 있으며 그 증거로 데이터 사이언스에 관련된 경험이 많은 것을 보여주는 느낌이면 된다. 또한 학점과는 달리 관련 경험은 대학생보다는 직장인 지원자에게 더 중요한 요소로 비칠 수 있는 것 역시 잘 알아두어야 한다.
목표를 설정하는 것은 좋지만, 목표만 설정하면 안됩니다.
물론 아직 대학원 진학을 희망하는 사람이 엄청나게 많은 정도는 아니므로, 복잡한 준비과정을 거치지않고 합격할 가능성도 있어 대학원 진학이 쉽게 느껴질 수는 있다. 그저 그런 학교에 그저 그런 지도교수 밑에서 대학원 생활을 해도 좋다면, 지금 당장 지원해도 합격을 할 수도 있다. 그리고 학부 입시나 취업 준비에 비교해 대학원 입시의 난이도가 어느 정도는 낮은 것이 어느 정도는 사실이기도 하다. 하지만 아무리 대학원 입시의 난이도가 높지 않다고 하더라도 분명 준비 과정은 필요하다. 데이터 사이언스 대학원 진학을 하고자 하는 사람들의 대부분은 누구나 알아주는 학교에서 체계적으로 훈련을 받고 연구를 할 수 있는 환경을 원하며 이는 절대 쉽지 않은 과정이기 때문이다.
스스로도 그렇고 주변도 살펴보아도 그렇고 대학원 진학을 준비할 때면 학교와 학과, 연구실 선정에 많은 것을 몰두하게 된다. 학교, 학과, 연구실 등의 목표가 있어야 준비를 하기 수월한 것도 있고 이를 꿈꾸는 것이 훨씬 즐겁기 때문이다. 사실 이것이 자연스러운 인간의 본성이기도 하다. 다만 데이터 사이언스 대학원 진학을 하고자 하는 사람들을 포함하여 우리 모두가 절대 잊으면 안되는 사실은, 목표만 높게 설정하고 이를 실천하기 위한 노력이 뒷받침되지 않으면 안된다는 것이다. 치밀하다고 말할 수 있을 정도로 목표를 따라가기 위해 어떤 사항이 필요한지 점검하고 노력을 진행하는 것이 바람직하다고 할 수 있다.
