AI대학원 준비하는 방법, 초보자가 6개월 안에 방향 잡으려면 이렇게
요즘 AI대학원 상담에서 가장 자주 보이는 착각
얼마 전 AI대학원 진학을 고민하는 직장인과 상담했는데, 첫 문장이 꽤 익숙했습니다. “수학을 다시 해야 할까요, 아니면 논문을 먼저 읽어야 할까요?” 사실 이 질문 자체가 틀린 건 아닙니다. 그런데 준비 초반에 이 둘만 붙잡으면 2~3개월이 금방 지나가고, 막상 지원서에 쓸 만한 결과물은 남지 않는 경우가 많습니다.
AI대학원 준비는 “공부를 많이 했다”보다 “내가 어떤 문제를 다뤄봤고, 왜 대학원에서 더 파고들고 싶은지”를 보여주는 과정에 가깝습니다. 그래서 초보자일수록 수학, 코딩, 논문, 프로젝트를 따로따로 쌓기보다 하나의 주제로 묶어야 합니다. 예를 들어 추천 시스템에 관심이 있다면 선형대수와 확률을 공부할 때도 행렬 분해, 임베딩, 평가 지표와 연결해 보는 식입니다.
제가 봐온 준비생 중 흔한 실패 패턴은 크게 세 가지입니다. 첫째, 강의만 계속 듣고 구현은 미룹니다. 둘째, 최신 모델 이름은 많이 아는데 본인이 직접 설명할 수 있는 프로젝트가 없습니다. 셋째, 대학원 연구실을 고를 때 교수님 이름값만 보고 자신의 준비 이력과 맞는지 확인하지 않습니다. 이 세 가지를 피하는 것만으로도 준비 방향이 훨씬 안정됩니다.
AI대학원 준비는 3단계로 나누면 덜 막힙니다
처음부터 논문 구현, 연구계획서, 컨택 메일을 한꺼번에 잡으려고 하면 부담이 큽니다. 저는 보통 6개월 기준으로 준비를 세 구간으로 나눕니다. 1~2개월 차에는 기초 체력, 3~4개월 차에는 작은 프로젝트, 5~6개월 차에는 지원 자료 완성에 집중하는 방식입니다.
- 1~2개월 차: 파이썬, 선형대수, 확률·통계, 머신러닝 기본 개념을 빠르게 복습합니다.
- 3~4개월 차: 관심 분야 하나를 정하고 공개 데이터셋으로 작은 프로젝트를 완성합니다.
- 5~6개월 차: 연구실 조사, 자기소개서, 연구계획서, 포트폴리오를 연결합니다.
여기서 중요한 건 완벽한 순서가 아니라 주간 단위로 굴러가는 리듬입니다. 평일 5일 중 3일은 개념 공부, 1일은 구현, 1일은 기록으로 잡아도 충분합니다. 주말에는 새 강의를 더 듣기보다 이번 주에 배운 내용을 깃허브나 노션에 짧게 남기는 편이 좋습니다. 대학원 준비에서 기록은 나중에 자기소개서 재료가 됩니다.
수학은 어디까지 해야 할까
AI대학원 준비생이 수학에서 가장 많이 지치는 지점은 범위를 너무 크게 잡는 순간입니다. 미적분, 선형대수, 확률, 최적화, 정보이론까지 전부 깊게 하려면 당연히 벅찹니다. 초반에는 논문을 읽을 때 자주 부딪히는 표현을 이해하는 수준부터 잡는 게 현실적입니다.
예를 들어 선형대수에서는 벡터, 행렬곱, 고유값, SVD, 차원 축소를 우선순위로 둡니다. 확률·통계는 조건부확률, 확률분포, 기대값, 분산, 최대우도추정 정도를 먼저 익히면 머신러닝 강의와 논문 읽기가 훨씬 수월해집니다. 수식을 증명까지 완벽히 외우려 하기보다 “이 수식이 모델에서 어떤 역할을 하는가”를 설명할 수 있어야 합니다.
프로젝트는 거창한 것보다 설명 가능한 것이 낫습니다
AI대학원 지원자들이 프로젝트에서 자주 하는 실수는 주제를 크게 잡는 겁니다. “의료 AI 진단 시스템”, “멀티모달 챗봇”, “자율주행 인식 모델” 같은 제목은 멋져 보이지만, 혼자 4~8주 안에 깊이 있게 끝내기 어렵습니다. 오히려 작은 문제를 명확히 정의하고, 베이스라인과 개선 과정을 보여주는 프로젝트가 더 설득력 있습니다.
예를 들어 “리뷰 데이터로 감성 분류 모델 만들기”는 흔한 주제입니다. 그런데 여기서 끝내지 않고 토큰화 방식 비교, 불균형 데이터 처리, F1-score 변화, 오류 샘플 분석까지 넣으면 이야기가 달라집니다. 단순히 정확도 90%를 만들었다는 말보다, 어떤 오류가 반복됐고 왜 그런 선택을 했는지 설명하는 사람이 대학원 면접에서 훨씬 강합니다.
- 좋은 프로젝트: 문제 정의, 데이터 설명, 기준 모델, 실험 비교, 실패 원인, 다음 시도가 보입니다.
- 아쉬운 프로젝트: 유명 모델을 가져와 실행한 뒤 성능 숫자만 적혀 있습니다.
- 추천 분량: 깃허브 README 기준 1,500~3,000자 정도면 충분히 읽힙니다.
솔직히 말하면, 처음부터 논문급 결과를 만들 필요는 없습니다. 대신 본인이 쓴 코드와 실험표, 실패 기록이 있어야 합니다. 면접에서 “왜 이 모델을 골랐나요?”라는 질문을 받았을 때 말문이 막히지 않는 수준이면 초반 포트폴리오로는 꽤 괜찮습니다.
연구실 선택은 이름보다 핏을 먼저 봐야 합니다
AI대학원은 학교 이름만 보고 고르기 쉽습니다. 물론 교육 환경과 네트워크도 중요합니다. 그런데 실제 대학원 생활은 연구실 단위로 돌아갑니다. 내가 관심 있는 분야, 교수님의 최근 논문, 연구실 구성원의 프로젝트, 졸업생 진로가 맞아야 버틸 수 있습니다.
연구실을 볼 때는 최근 3년 논문을 먼저 확인하세요. 제목만 훑지 말고 초록과 실험 파트를 몇 편 읽어보면 연구실의 색이 보입니다. 컴퓨터비전이라고 해도 의료영상, 자율주행, 생성모델, 3D 비전은 분위기가 다릅니다. 자연어처리도 검색, 대화, 평가, 안전성, 도메인 특화 모델에 따라 필요한 준비가 달라집니다.
컨택 메일은 길게 쓰는 것보다 정확해야 합니다. “AI에 관심이 많습니다”보다 “교수님의 최근 논문 중 ○○ 문제 설정이 제가 진행한 프로젝트와 연결된다고 느꼈습니다”처럼 구체적인 연결점이 필요합니다. 붙여넣기한 티가 나는 메일은 생각보다 금방 보입니다.
지원서와 면접은 공부량보다 일관성이 중요합니다
자기소개서에는 모든 경험을 넣고 싶어집니다. 학부 수업, 인턴, 공모전, 자격증, 온라인 강의, 프로젝트를 다 나열하면 열심히 산 사람처럼 보일 수는 있습니다. 하지만 읽는 사람 입장에서는 “그래서 이 지원자는 어떤 연구를 하고 싶은가”가 흐려질 수 있습니다.
AI대학원 지원서의 흐름은 단순할수록 좋습니다. 첫째, 내가 어떤 문제에 관심을 갖게 됐는지. 둘째, 그 문제를 이해하기 위해 어떤 공부와 프로젝트를 했는지. 셋째, 현재 한계가 무엇이고 대학원에서 무엇을 더 배우고 싶은지. 이 흐름이 이어지면 스펙이 조금 부족해도 납득 가능한 지원서가 됩니다.
면접 준비는 예상 질문 30개를 외우는 방식보다 자기 프로젝트를 3분, 7분, 15분 버전으로 설명하는 연습이 효과적입니다. 짧게 말할 때는 문제와 결과를 중심으로, 길게 말할 때는 데이터 처리와 실험 선택까지 넣습니다. 교수님 질문은 대부분 여기서 이어집니다. “왜 그 지표를 썼나요?”, “비교 모델은 충분한가요?”, “실패한 실험은 무엇인가요?” 같은 질문에 차분히 답할 수 있으면 됩니다.
AI대학원 준비는 재능 시험처럼 보이지만, 실제로는 방향을 잃지 않는 사람이 오래 갑니다. 매주 논문 한 편을 완벽히 이해하지 못해도 괜찮습니다. 대신 한 주에 하나씩 기록이 남고, 한 달 뒤에 설명할 수 있는 실험이 쌓이면 준비는 앞으로 가고 있는 겁니다. 빠르게 잘하는 사람보다 꾸준히 고치는 사람이 결국 더 탄탄한 지원자가 됩니다.
