AI대학원 준비하는 방법, 전공자와 비전공자가 다르게 잡아야 할 공부 순서
얼마 전 AI대학원을 준비하는 직장인과 상담을 했는데, 첫 질문이 “논문부터 읽어야 하나요, 코딩 테스트부터 해야 하나요”였습니다. 사실 이 질문이 가장 현실적입니다. AI대학원 준비는 열정만으로 밀어붙이면 2~3개월 안에 지치기 쉽고, 반대로 너무 완벽하게 준비하려고 하면 지원서 한 번 내기 전에 시간이 지나갑니다.
AI대학원은 단순히 인공지능을 배우는 곳이라기보다, 문제를 수학적으로 정의하고 데이터를 다루며 실험 결과를 설명하는 훈련을 하는 곳에 가깝습니다. 그래서 준비도 “멋진 포트폴리오 하나 만들기”보다 “내가 연구를 버틸 수 있는 사람인지 보여주는 과정”으로 잡는 편이 낫습니다.
AI대학원 준비는 먼저 목표 유형을 나눠야 합니다
AI대학원이라고 다 같은 방향은 아닙니다. 자연어처리, 컴퓨터비전, 추천시스템, 로보틱스, 의료AI, 강화학습처럼 분야가 갈리고, 석사 중심인지 박사 진학까지 염두에 두는지도 다릅니다. 여기서 방향을 흐리게 잡으면 공부량이 끝없이 늘어납니다.
제가 멘토링할 때는 먼저 3가지 중 하나를 고르게 합니다. 첫째, 취업 경쟁력을 높이기 위한 석사 과정. 둘째, 연구자로 성장하기 위한 석박사 과정. 셋째, 현재 직무를 AI와 연결하려는 전환형 진학입니다. 세 유형은 준비 방식이 다릅니다.
- 취업형: 머신러닝 기초, 딥러닝 구현, 프로젝트 설명 능력이 중요합니다.
- 연구형: 수학 기초, 논문 읽기, 실험 재현 경험이 더 크게 작용합니다.
- 전환형: 기존 전공이나 직무 경험을 AI 문제로 바꾸는 스토리가 필요합니다.
비전공자라면 “전공자가 아니어서 불리하다”에서 멈추기보다, 어떤 문제를 AI로 풀고 싶은지 먼저 좁히는 게 좋습니다. 예를 들어 교육 데이터를 다뤄본 사람은 학습 분석으로, 제조 현장 경험이 있는 사람은 이상 탐지나 예측 유지보수 쪽으로 연결할 수 있습니다.
공부 순서는 수학, 코딩, 머신러닝을 동시에 굴리는 쪽이 좋습니다
AI대학원 준비생들이 자주 하는 실수가 있습니다. 선형대수 100% 끝내고, 확률통계 100% 끝내고, 파이썬 100% 끝낸 뒤 머신러닝에 들어가려는 방식입니다. 이론적으로는 깔끔하지만 실제로는 오래 못 갑니다. 공부가 결과물로 이어지지 않기 때문입니다.
추천하는 방식은 주 5일 기준으로 세 갈래를 같이 돌리는 것입니다. 예를 들어 하루 2시간을 확보할 수 있다면 수학 40분, 코딩 40분, 머신러닝 개념과 실습 40분으로 나눕니다. 처음 8주는 깊이보다 연결감이 중요합니다. 행렬 곱을 배우고 바로 작은 신경망 코드에서 가중치 계산을 확인하면 기억이 훨씬 오래 갑니다.
처음 12주 기본 루틴
- 1~4주차: 파이썬, 넘파이, 판다스, 기본 시각화, 선형대수 기초
- 5~8주차: 회귀, 분류, 손실함수, 과적합, 검증 데이터 개념
- 9~12주차: 딥러닝 기본 구조, 간단한 모델 구현, 논문 초록 읽기
여기서 중요한 건 “매주 하나의 작은 산출물”입니다. 노트 한 장, 코드 파일 하나, 실험 결과 표 하나라도 남겨야 합니다. AI대학원 면접에서 강한 지원자는 지식을 많이 나열하는 사람이 아니라, 왜 그렇게 실험했고 무엇이 달라졌는지 말할 수 있는 사람입니다.
포트폴리오는 화려함보다 설명 가능한 프로젝트가 강합니다
AI대학원 지원자 중에는 유명 데이터셋으로 정확도 99%를 찍었다고 강조하는 경우가 많습니다. 그런데 면접에서는 “왜 그 모델을 골랐나요”, “기준 모델은 무엇이었나요”, “성능이 오른 이유를 어떻게 확인했나요” 같은 질문이 나옵니다. 이때 대답이 흐리면 점수는 생각보다 빨리 깎입니다.
프로젝트는 2개 정도면 충분합니다. 대신 구조가 분명해야 합니다. 문제 정의, 데이터 설명, 기준 모델, 개선 시도, 실패한 실험, 다음 단계가 있어야 합니다. 실패한 실험을 적는 걸 두려워하지 않아도 됩니다. 오히려 연구 적합성을 보여주는 좋은 재료가 됩니다.
- 좋은 프로젝트: 데이터의 한계와 실험 과정을 설명할 수 있는 프로젝트
- 약한 프로젝트: 튜토리얼 코드를 거의 그대로 따라 한 프로젝트
- 면접에 강한 프로젝트: 성능보다 의사결정 근거가 남아 있는 프로젝트
예를 들어 리뷰 감성분석을 했다면 단순히 긍정·부정 분류에서 끝내지 말고, 짧은 문장과 긴 문장에서 성능 차이가 나는지, 특정 단어에 과하게 반응하는지, 데이터 불균형이 있는지까지 확인하는 편이 좋습니다. 이런 흔적이 있어야 “공부한 사람”이 아니라 “연구를 시작할 준비가 된 사람”처럼 보입니다.
지원서와 면접은 연구실 핏을 중심으로 준비해야 합니다
AI대학원 지원에서 성적, 영어, 프로젝트도 중요하지만 실제 합격 가능성을 가르는 지점은 연구실 핏인 경우가 많습니다. 교수님의 최근 연구 주제와 내 경험이 이어져야 합니다. 여기서 많은 지원자가 실수합니다. “AI에 관심이 많습니다”는 너무 넓습니다. “추천시스템에서 콜드스타트 문제를 다뤄보고 싶습니다”처럼 좁아야 대화가 시작됩니다.
지원 전에는 관심 연구실을 5곳 정도 뽑고, 각 연구실의 최근 논문 제목과 초록을 읽어보는 것이 좋습니다. 처음부터 논문 전체를 완벽히 이해하려고 하면 부담이 큽니다. 대신 문제, 데이터, 방법, 결과를 네 줄로 적어보면 됩니다. 이 기록이 자기소개서와 면접 답변의 재료가 됩니다.
면접 답변을 만들 때 필요한 4문장
- 제가 관심 있는 문제는 무엇입니다.
- 그 문제에 관심을 갖게 된 경험은 무엇입니다.
- 지금까지 어떤 공부와 실험을 했습니다.
- 입학 후 어떤 방향으로 더 깊게 보고 싶습니다.
이 네 문장이 자연스럽게 이어지면 답변이 과장되지 않습니다. 솔직히 AI대학원 면접에서 모든 질문에 완벽히 답하는 지원자는 드뭅니다. 모르는 질문이 나왔을 때도 “그 부분은 아직 깊게 다루지 못했지만, 관련해서는 이런 방식으로 접근해보겠습니다”처럼 사고 과정을 보여주는 편이 낫습니다.
실패 패턴을 미리 막는 준비 방식
AI대학원 준비에서 가장 흔한 실패는 자료 수집만 늘어나는 것입니다. 강의 목록은 많고, 북마크는 쌓이고, 깃허브 저장소는 만들어졌는데 정작 설명할 수 있는 결과물이 없습니다. 공부 시스템이 없으면 의욕이 많은 사람일수록 더 빨리 지칩니다.
주간 계획은 단순해야 합니다. 평일에는 개념과 실습을 쌓고, 주말에는 산출물을 점검합니다. 1주일에 논문 1편을 전부 이해하겠다는 목표보다 초록 3개를 읽고 하나를 골라 실험 아이디어를 적는 쪽이 오래 갑니다. 특히 직장인이나 학부 병행자는 주 10시간만 꾸준히 확보해도 6개월 뒤에는 꽤 다른 사람이 됩니다.
- 매주 코드 1개 이상 실행하고 결과를 남깁니다.
- 매주 논문 초록 2~3개를 읽고 관심 주제를 좁힙니다.
- 매월 프로젝트 기록을 한 번씩 다시 써봅니다.
- 지원 2개월 전부터 자기소개서와 면접 답변을 같이 다듬습니다.
AI대학원 준비는 똑똑한 사람만의 게임처럼 보이지만, 실제로는 오래 버티는 구조를 만든 사람이 유리합니다. 처음부터 완벽한 연구 주제를 잡지 못해도 괜찮습니다. 다만 오늘 배운 개념이 코드로 이어지고, 코드가 작은 실험으로 남고, 그 실험이 지원서 문장으로 바뀌는 흐름은 꼭 만들어야 합니다. 그 흐름이 생기면 준비 과정이 막연한 불안에서 꽤 구체적인 전진으로 바뀝니다.
