비전공자도 AI 대학원 진학해도 될까?
이번에는 비전공자의 AI 관련 대학원 진학이라는 주제를 가지고 이야기를 나눠보겠습니다. 비전공자라는 말이 조금 애매할 수 있어서 아래에서 비전공자에 대한 범주를 정의하고 설명하도록 하겠습니다.
비전공자의 AI 관련 대학원 진학
흔히 AI 대학원 진학 시 비전공자라고 하면 학부가 컴퓨터공학과가 아닌 경우를 떠올리시는 경우가 많지만 사실 머신러닝과 딥러닝은 컴퓨터공학과에서만 배우는 학문이 아닙니다. 머신러닝은 오히려 수학, 통계학에 가까운 분야입니다. 하지만 머신러닝 딥러닝을 구현하기 위해서는 결국 프로그래밍 언어를 사용해야 하기 때문에 AI 관련 연구실은 대부분 컴퓨터공학과인 경우가 많습니다. 입학하는 학생들은 인공지능 관렬 학과나 컴퓨터공학과 출신이 가장 많지만 수학과, 통계학과, 물리학과, 경영학과 등 다양한 학과에서 AI 관련 대학원으로 진학합니다.
때문에 비전공자라고 말할 수 있는 범주가 애매하지만, 제가 생각하기에 머신러닝과 컴퓨터 프로그래밍 기초를 배우지 않은 경우를 비전공자로 보는 것이 맞는 것 같습니다. 그렇다면 비전공자가 AI 관련 대학원에 진학해도 괜찮을까요? 제 생각을 먼저 말씀드리면 어느 정도의 베이스 지식이 있는 경우 비전공자가 AI 공부하고 대학원에 가고 취업까지 하는 것은 문제가 없다고 생각합니다. 물론 어느 분야나 마찬가지겠지만 부단하게 노력한다면 정말 많은 기회들이 존재합니다. 하지만 비전공자의 베이스 지식에 따라 AI 대학원 진학 시 여러 가지 힘든 점이 생길 수 있습니다.
아래 분류로 말씀드리면 lv4 이상인 경우에만 AI 관련 대학원 진학을 추천하지만, lv3 이하인 경우에는 선수과목, 프로그래밍, 머신러닝/딥러닝 공부를 적어도 3개월 이상은 하고 대학원 진학을 추천드립니다.
전공자+ : 컴퓨터공학을 전공 + 머신러닝/딥러닝 관련 수업을 수강 또는 관련 프로젝트를 수행
전공자 : 컴퓨터공학을 전공 + 머신러닝/딥러닝은 기본적인 것만 아는 사람
비전공자 lv5 : 컴퓨터공학은 아니지만 프로그래밍을 배우는 공학을 전공 + 선수과목 수강
비전공자 lv4 : 전공이 공학 쪽이 아님 + 선수과목 수강 + 코딩을 잘 모름
비전공자 lv3 : 전공이 공학 쪽이 아님 + 선수과목 미수강 + 코딩을 어디선가 배우긴 했음
비전공자 lv2 : 이공계 아님 + 선수과목 미수강 + 코딩을 어디선가 배우긴 했음
비전공자 lv1 : 이공계 아님 + 선수과목 미수강 + 코딩 잘 모름
선수과목 : 머신러닝, 미분적분학, 확률통계, 선형대수학, 수치해석, 프로그래밍 기초 등
AI 관련 대학원에 진학해서 수월하게 연구와 프로젝트를 진행하기 위해서는 '선수 과목에 대한 기초 지식(공학적 역량)', '기본적인 머신러닝/딥러닝 지식', '어느 정도의 코딩 실력' 저는 이렇게 세 가지가 중요합니다.
공학적 역량
딥러닝, 컴퓨터 비전, 자연어처리, 강화학습,... 어떤 분야를 연구하더라도 기본적으로 미적분, 선형대수학, 확률통계 등의 기본적인 이공계 지식과 공학적 역량이 받쳐줘야 합니다. 가볍게 머신러닝/딥러닝을 이해하는 것은 이공계 출신이 아니더라도 충분히 가능하지만 연구를 위해 깊게 이해하기 위해선 기본적인 공학적 베이스가 정말 중요하기 때문입니다.
또한 AI 관련 분야에서는 주로 본인만의 논리적인 방법으로 세부 분야의 성능을 높이는 연구를 해야 합니다. 이때 내 연구 분야의 지식뿐만 아니라 다양한 공학적 지식이 필요할 수 있습니다. 피인용수가 많은 유명한 논문들을 보면 다른 분야에서 쓰이는 방법을 본인만의 스타일로 재해석하여 연구 분야에 접목하고 성능을 높이는 경우가 많기 때문입니다. 대학원 생활을 하면 정말 많은 논문을 봐야 하기 때문에 정말 중요한 역량입니다.
기본적인 머신러닝/딥러닝 지식
머신러닝/딥러닝에 대해서는 처음엔 당연히 모를 수 있습니다. 하지만 대학원 1기 안에 머신러닝/딥러닝에 대한 기초적인 부분은 설명할 수 있을 정도로 이해하고 있어야 순탄한 대학원 생활을 조금이나마 기대해 볼 수 있습니다.
Feature space, Back propagation, Loss function/surface, Gradient Descent, Optimization, regression, classification, Regularization, Over/Under-fitting, CNN, RNN, Transformer,... 와 같은 기본적인 개념은 익히고 들어가시는 게 좋습니다. 물론 컴퓨터 비전 쪽을 가신다면 영상처리에 대한 기본 개념도 알고 가시는 게 좋고 자연어 처리나 강화학습 등 다른 분야도 AI 뿐만 아니라 도메인에 대한 공부를 충분히 하고 가시는 게 좋습니다.
추천드리는 방법은 책이나 영상으로 어느 정도 개념을 익히고 유명한 논문들을 읽고 단순한 예제들을 코드로 돌려보면서 실질적인 감을 익히는 것입니다. 아무래도 글이나 영상만으로 이해하는 것보단 본인이 직접 겪어보는 게 정말 크게 배울 수 있기 때문입니다. 이것저것 바꿔보고 디버깅해 보면서 결과를 분석하는 과정들이 처음엔 크게 도움이 될 수 있습니다.
어느 정도의 코딩 실력
왜 '어느 정도'의 코딩 실력이라고 말씀드리냐면 대학원에서 연구를 위해 딥러닝 코드를 만지는 경우에 대단한 프로그래밍 실력을 요구하지는 않기 때문입니다. 딥러닝 프레임워크는 잘 사용하면 할수록 좋지만, 보통 파이썬을 쓰실 테니 접근이 쉽습니다. 또한 연구를 위해 이론적인 알고리즘을 설계하는 일에 비해 코드로 구현하는 일은 비교적 쉽기 때문이기도 합니다.
하지만 이 또한 프로그래밍을 아예 잘 모르시는 분들께는 상당히 고된 작업일 수 있습니다. 머릿속에 공학 지식과 머신러닝 딥러닝 지식은 충분한데 코딩을 못해서 뭐 하나 제대로 수정을 못할 수도 있기 때문입니다. 그래서 모호하긴 하지만 '어느 정도'의 코딩 실력은 갖춘 상태로 1학기를 시작하시는 것을 추천드립니다. 프로그래밍 언어 하나를 검색을 하면서 충분히 사용하고 기본적인 알고리즘을 구현할 줄 알고 github에서 이전 연구 코드를 받아서 내가 수정하고 싶은 부분들을 수정하면서 실험을 진행할 수 있는 정도이면 충분합니다.
물론 대학원을 졸업하고 취업을 위해서는 프로그래밍을 잘하면 잘할수록 좋고 소프트웨어링 관련해서 많은 경험을 하면 할수록 좋습니다. 때문에 대학원에 들어가더라도 꾸준히 프로그래밍, 개발 등에 꾸준히 관심을 가지는 편이 좋습니다.
저는 이 세 가지 요소 중 '공학적 역량’이 가장 중요하다고 생각합니다. 공학적 베이스가 있으면 사실 머신러닝과 딥러닝의 기본적인 개념은 크게 어렵지 않습니다. 보다 보면 다 어디선가 배운 내용들 이기 때문입니다. 즉, 공학적 베이스가 있고 노력할 의지만 있다면 머신러닝, 딥러닝 지식은 비교적 쉽게 습득할 수 있습니다. 하지만, 이 공학적 베이스는 단기간에 쌓기엔 꽤 힘들 수도 있습니다. 프로그래밍 실력은 대학원에 입학하기 전 2~3개월만 노력해도 앞서 말씀드린 '어느 정도'의 실력까진 쌓을 수 있습니다. 또한 대학원 과정 중 연구와 프로젝트를 하면서 개발 실력을 함께 향상시킬 수 있기 때문에(노력한다면) 크게 문제가 되지 않습니다.
앞서 정의한 비전공자 레벨로 돌아가서 lv4 이상이면 잘 준비하면 사실 전공자와 크게 차이 나지 않을 수 있습니다. 그런데 선수과목을 수강하지 않은 공학적 베이스가 약한 lv3 이하인 경우나 프로그래밍을 아직 잘 모르는 경우에는 AI 대학원에 입학하기 위해서는 부단히 노력해야 합니다. 특히 lv1~2인 경우에는 시간을 길게 잡고 우선 필요한 베이스 지식을 공부해 보고 나랑 잘 맞는지 내가 노력해서 할 수 있는 분야인지를 먼저 생각해 보시길 추천드립니다.
추가적으로 필요한 역량을 말씀드리자면 이건 전공자에게도 포함되는 내용이지만 AI 분야는 지금도 계속 새로운 논문과 기술이 나오는 추세이기 때문에 계속 공부를 해야 한다는 것입니다. 물론 어느 정도 공부를 하면 AI 분야에 능통한 수준까지 올라가겠지만 계속해서 새로운 방법이 나오고 정말 다양한 분야와 방법들이 존재합니다. 때문에 AI 필드에서 도태되지 않기 위해서는 꾸준히 서베이를 하는 습관이 필요합니다. '대학원 다니는 시기만 조금 고생하자!'라는 마인드로는 정말 힘들 수 있고 취업을 하더라도(직무에 따라 다르겠지만) 무언가 새로운 것들을 찾아서 적용하는 일이 많기 때문에 내가 이런 역량을 가지고 있는지 나에게 맞는 분야인지를 한 번쯤 생각해 보는 것이 좋습니다.
AI 대학원 관련 글
- AI 분야 대학원에 대한 솔직한 이야기 - Intro
- AI 분야 대학원 진학을 고민하는 사람들에게
- 컴퓨터비전 & AI 연구실 대학원생의 일과
- AI 분야 대학원생의 연구 주제 정하기
- AI 분야 대학원생의 현실적인 연구 방법
- 비전공자도 AI 대학원 진학해도 될까?
AI 엔지니어 취업 관련 글
- AI 엔지니어로 취업하기
- AI 엔지니어 취업 성공을 위한 팁
- 대학원 졸업해야 AI 엔지니어가 될 수 있나요?
- 비전공자도 AI 엔지니어로 취업할 수 있을까?
