brunch

You can make anything
by writing

C.S.Lewis

by 김성범 Jan 17. 2017

머신러닝/인공지능 학과

머신러닝/인공지능 쪽으로 진로를 정하고 싶은 분들에게...

최근 인공지능의 인기와 함께 몇몇 지인들로부터 자녀 혹은 조카의 진로를 머신러닝/인공지능 분야로 정하고 싶은데 적절한 대학 학과를 추천해 달라는 부탁을 받았다. “딱 이겁니다.”라고 명쾌하게 답을 할 수 질문이기에 아래 설명으로 대신한다.

먼저 머신러닝/인공지능(Department of Machine Learning/Department of Artificial Intelligence)이라고 명명된 학과는 내가 알기론 우리나라에 없다. 다만 최근 몇몇 대학들이 특수대학원이나 전문대학원에서 인공지능학과를 개설하였다. 이들 특수(전문)대학원은 아직까지 해당 대학원만을 위한 전임교수들이 주가 되어 운영되는 곳은 없는 것으로 알고 있으며 기존 관련학과 교수들이 겸임으로 운영하고 있다. 물론 해당 인공지능대학원에 전임교수가 있는 경우도 있는데 단지 소속만 그렇게 하고 실제로는 기존에 몸담고 있는 학과에 보다 많은 책임감을 갖고 있는 경우가 대부분이다. 따라서 현 시점에서 특수대학원이나 전문대학원 형태로 개설된 인공지능 대학원에 입학할 때는 교수진, 커리큘럼, 지도교수 운영 방식 등을 꼼꼼하게 살펴보아야 할 것이다.

그럼 머신러닝을 가르치는 학과는 어디가 있을까? 일단 머신러닝, 데이터마이닝, 패턴인식, 인공지능 이 네 가지는 가르치는 사람마다 내용의 차이는 있을 수 있으나 크게 다르지 않다고 가정하겠다. 위 네 과목을 가르치는 대표적인 학과는 산업공학과, 전자공학과, 컴퓨터학과 (컴퓨터과학과, 컴퓨터공학과), 통계학과이다 (가나다 순). 경영학과와 경영 관련학과에서도 머신러닝 관련 과목이 개설된 학교가 일부 있으나 방법론보다는 응용에 초점이 맞춰져 있으므로 일단 제외하겠다. 또한 일부 학교의 경우 수학과, 심리학과, 기계공학과 등에서도 머신러닝 관련 과목이 개설되어 있으나 일반적인 경우가 아니므로 제외하겠다.

머신러닝/인공지능에 관심 있는 분들은 산업공학, 전자공학, 컴퓨터, 통계학, 이 네 개 학과를 주목하고 각각의 특징을 살펴볼 필요가 있다. 머신러닝 기법의 기초가 되는 이론은 확률, 통계, 최적화, 알고리즘이다. 여기서 알고리즘은 데이터 구조와 컴퓨팅(계산)이론을 포함한다. 확률, 통계, 최적화, 알고리즘의 기초이론은 물론 수학이다. 따라서, 파고들다 보면 결국 수학을 잘 알아야 하는데 그렇다고 머신러닝을 전공하기 위해서 반드시 수학을 전공해야 하는 것은 아니다. 사실 모든 이공계 학문의 기초는 수학이기 때문이다.

그렇다면 머신러닝에 보다 직접적으로 관련이 있는 분야에 초점을 맞춰보면 위에서 말한 확률, 통계, 최적화, 그리고 알고리즘으로 귀결된다. 자세히 보면 머신러닝에 쓰이고 있는 기법들은 이번 알파고에 쓰인 기법을 포함 거의 대부분이 위 네 가지 이론에 근거를 두고 있다.

이제 위에서 언급한 네 개의 학과를 간단히 살펴보자. 산업공학의 경우 확률, 통계, 최적화에 중점을 두고 있고 알고리즘의 경우 앞서 소개한 학과들 보다는 비중을 낮게 두고 있다. 컴퓨터학과의 경우 알고리즘에 중점을 두고 있고 확률, 통계, 최적화는 상대적으로 비중이 낮다. 하지만 알고리즘을 실제 컴퓨터로 구현해 볼 수 있는 기회가 다른 전공보다는 많다는 특징이 있다. 전자공학과는 컴퓨터학과와 비슷하다고 보면 무리가 없다 (미국에서는 전자공학과와 컴퓨터공학과가 함께 있는 경우가 많다.) 통계학과의 경우 확률과 통계 이론에 중점을 두고 있고 알고리즘과 최적화는 일부 다룬다. 이렇게 각 과마다 머신러닝의 기초가 되는 이론들에 대한 집중도에 차이가 있다. 물론 위의 설명은 지극히 일반적인 경우이기 때문에 예외적인 경우가 있을 수 있다는 점을 밝혀둔다.

몇 가지 더 알아둘 사항이 있다. 전자공학과의 경우 세부분야가 매우 다양하고 머신러닝/패턴인식은 그것들 중 하나이다. 사실 전자공학에서 머신러닝은 최근 비중이 높아지고는 있지만 비교적 작은 (minor) 분야에 속한다. 컴퓨터학과의 경우에도 다양한 세부 분야가 존재하며 최근 머신러닝/인공지능 분야가 급격히 증가하고 있는 추세이다. 산업공학과의 경우에도 여러 세부분야가 있으나 대부분 공통적으로 확률, 통계, 최적화 이론에 기초를 두고 있다. 학교에 따라 차이는 있지만 특히 최적화 이론을 가장 심도있게 배울 수 있는 학과이다. 통계학과의 경우 세부분야가 있지만 대부분 확률/통계 이론에 근거를 두고 있기 때문에 심도 있는 이론을 배울 수 있다.

다 쓰고 보니 어렴풋이 산업공학이 머신러닝에 가장 적합한 학문이라는 방향으로 흘러 버린 것 같다. 산업공학에서 머신러닝을 전공한 나이기 때문에 어느 정도 편견이 작용한 것 같다. 머신러닝을 전공하고 싶은 분들에게 작은 도움이 되기를 바란다.

인공지능/머신러닝에 관한 개요를 조금 더 자세히 알고 싶으신 분들은 다음 동영상을 참고하시기 바랍니다.

https://www.youtube.com/watch?v=pFyFHUmxgu0&t=31s