AI 분야 대학원생의 연구 주제 정하기
연구 주제 선정을 위해 고민해야 할 현실적인 것들
이번에는 연구 주제 선정 시 고려하면 좋을 현실적인 부분들을 공유해 드리겠습니다. AI 관련 대학원에 진학 예정이거나 이미 연구실에 들어왔지만 아직 명확하게 하고 싶은 연구 주제를 선정하지 못한 분들이 참고하시면 좋을 것 같습니다.
* 석사 학위 과정 이후 취업을 생각하시는 분들에 한정한 내용입니다.
일반적으로 많은 분들이 연구를 시작할 때 업계에서 잘 알려진 분야 중에서 연구 주제를 선정합니다. 그 이유는 가장 잘 알려져 있으니 접할 기회가 많고 산업에서도 많이 쓰이기 때문에 취업과의 연관성도 높기 때문이겠죠? 하지만 과연 잘 알려진 연구 분야에서 연구 주제를 선정하는 것이 가장 좋은 선택인지 연구 주제를 선정하는 데에 고려해야 할 몇 가지 현실적인 측면을 말씀드리겠습니다.
연구 주제 선정의 중요성
석사 학위 기간 동안 연구한 주제가 졸업 후 취업에 가장 큰 영향을 끼치고, 박사 과정으로 진학하더라도 석사 때 어떤 연구를 했는지가 상당히 중요합니다. 또한 현실적으로 석사 학위 과정 중간에 연구 주제를 바꾸는 건 쉽지 않습니다. 물론 연구 주제는 사실 언제든 바꿀 수는 있지만 보통 연구 주제를 선정하고 반년 이상 연구를 해보다가 '아... 나랑 잘 맞지 않는다'라고 생각할 때쯤엔 이미 석사 과정은 반 이상 지났을 가능성이 높기 때문입니다. 그러므로 여러 이유에서 연구 주제를 선정하는 것은 굉장히 중요한 일입니다.
* 물론 취업 시 본인이 연구한 분야랑 완전히 동일한 일을 하는 곳으로 취업할 확률은 극히 드뭅니다. 하지만 어떤 연구를 했는지에 따라 어떤 기업의 어떤 직무로 입사하기 유리한지 어느 정도 정해지기 때문에 취업에 큰 영향을 끼친다고 볼 수 있습니다.
연구 주제 정하는 방법
결론부터 말씀드리면 연구주제는 본인이 하고 싶은 것으로 고르면 됩니다. 문제는 명확하게 하고 싶은 것을 잘 모른다는 것입니다. 식당에서 음식을 고르더라도 메뉴판에 있는 메뉴들을 다 알아야 제일 좋아하는 것을 고를 수 있듯이 연구 또한 어느 정도 해당 분야에 대한 지식이 있어야 본인이 하고 싶은 것을 찾을 수 있습니다.
또한 당연한 얘기지만 내가 나중에 하고 싶은 일과 선정한 연구 주제의 contribution을 일치시키는 것이 좋습니다. 예를 들어 객체 검출 분야 안에서도 세부 task에 따라 연구의 주요 포인트가 뉴럴 네트워크 모델링 일수도 있고 학습 방법론이나 데이터 자체 일수도 있습니다. 본인이 나중에 취업 시 주로 하고 싶은 일, 취업 면접 시 어필하고 싶은 것 등을 생각해서 연구 주제를 선정하는 것이 좋습니다.
연구 주제 정하기 막막하다면?
연구 주제를 정하기에 아는 것도 많지 않고 너무 막막하다면 내가 일하고 싶은 기업, 하고 싶은 직무를 먼저 생각하고 연구 주제를 선정하는 것도 한 가지 방법입니다. 예를 들어 현대 자동차에서 라이다 센서를 이용한 자율주행 알고리즘을 만드는 일을 하고 싶다면 라이다 데이터를 이용한 3D object detection, tracking 분야로 주제를 선정할 수 있습니다. 물론 라이다를 이용한 3D object detection을 생각했다고 연구 주제를 다 정한 것은 아닙니다. 센서의 종류, 데이터, 문제 접근 방법, 딥러닝 학습 방법, 특정 상황에 대한 가정 등에 따라 연구 주제가 다양하게 세분화됩니다. 결국 산업, 연구, 채용 관련 정보를 많이 찾아보며 본인이 흥미가 있는 분야를 찾아가는 과정이 연구 주제 선정에 도움이 됩니다.
인기 있는 연구 주제 vs 인기 없는 연구 주제
CVPR 2020 keywords인기 분야
인기 있는 연구 분야는 산업에서도 많이 쓰이지만, 그만큼 좋은 연구 결과를 내기가 힘듭니다. SOTA(State-Of-The-Art) 경쟁이 정말 치열하고 내가 연구하고 실험하는 중에 컨퍼런스에서 새로운 SOTA 가 갱신되는 경우가 비일비재합니다. 물론 연구 성과는 좋지 않더라도 인기 있는 연구분야이기 때문에 취업 시 큰 도움이 될 수는 있습니다.
실제로 제 연구 주제도 인기 있는 주제가 아니었음에도 불구하고, 논문을 제출하고 리비전 하던 중 일부 데이터셋의 SOTA 가 갱신되어 related work 부분과 실험 표 부분을 다시 작성해야 했습니다. 다시 작성하는 것보다 문제는 제 연구 결과 순위가 점점 밀려난다는 사실이...
비인기 분야
비교적 인기가 없는 연구 분야는 연구 성과 경쟁이 비교적 약하지만, 그만큼 산업에서 마이너한 분야일 수 있기 때문에 산업계에서 내 연구주제에 크게 관심이 없을 수도 있습니다. 그리고 마이너한 연구 분야의 경우 정보가 많이 없을 수 있기 때문에 데이터셋이나 SOTA 연구가 github에 공개되어 있는지도 확인해봐야 합니다. 또한 꽤 좋은 연구 성과를 내더라도 비인기 분야인 만큼 취업 면접 시 연구 분야만 설명하다가 끝날 수도 있습니다.
취업과 채용 면접 관련 챕터에서 다시 말씀드리겠지만 본인 연구 주제를 남들에게 설명할 때 청자에 따라 효과적으로 설명하고 산업과 연계에서 설명하는 기술이 정말 중요합니다.
인기 vs 비인기 주제에 대한 개인적 의견
앞서 설명드린 여러 이유 때문에 어느 정도 인기 있는 연구 분야의 메인 task가 아닌 특정한 세부 연구 분야를 주제로 선정하는 것이 2년이라는 짧은 석사 과정 대학원생이 연구를 하고 성과를 내기에 적합하다고 생각합니다. 특히, 딥러닝 분야의 메인 연구 주제들은 보통 페이스북, 구글 같은 굵직한 기업과 해외 대학이 함께 연구하고 GPU 256개로 3억 개 이상의 데이터를 학습시키는 일반적인 대학원생이 재현 실험조차 할 수 없는 경우가 많으니 현실적인 부분을 잘 고려해야 합니다.
지도 교수님과 연구 주제의 궁합
대학원생의 연구 결과와 성과는 결국 논문으로 보여줘야 합니다. 그런데 석사 과정 학생이라면 아직 논문 작성이 익숙하지 않고 어떻게 논문을 작성해야 좋은 저널이나 학회에 논문에 accept 되는지도 잘 모릅니다. 또한 같은 연구 과정과 결과일지라도 얼마나 논리적으로 설명하냐에 따라 논문 accept/reject 결과가 갈리기도 합니다.
때문에 논문 accept를 위해 지도 교수님의 피드백이 굉장히 중요하고 교수님이 어느 정도 잘 알고 계시는 연구 분야를 선정하는 것도 중요하다고 볼 수 있습니다. 물론 어떤 주제를 선정하더라도 교수님이 학생들보다 잘 아시겠지만 교수님의 메인 연구 분야와 가까울수록 더 직접적이고 효과적인 연구 및 논문 작성 피드백을 받을 수 있습니다.
논문은 저널이나 컨퍼런스에 게재되는데 저널과 컨퍼런스는 쉽게 말해 등급이 있고 좋은 등급의 저널/컨퍼런스에 논문을 게재할수록 좋은 성과로 인정받을 수 있습니다.
이러나저러나 내가 하고 싶어서 시작한 대학원 생활과 연구인만큼 하고 싶은 연구를 하는 게 최고라고 생각합니다. 하지만 현실적인 부분들도 생각해 두면 좋기 때문에 말씀드린 내용이 연구 주제 선정을 위해 고민하시는 분들에게 조금이나마 도움이 되었으면 좋겠습니다.
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?
