AI대학원 준비하는 방법, 전공자와 비전공자가 다르게 잡아야 할 순서

AI대학원 준비, 먼저 ‘연구할 사람’인지 확인해야 합니다

얼마 전 상담에서 학부 3학년 학생이 “AI대학원 가려면 코딩테스트부터 해야 하나요?”라고 물었습니다. 비슷한 질문이 정말 많아졌습니다. 챗GPT 이후로 AI 분야가 커 보이고, 취업도 좋아 보이고, 뭔가 지금 안 들어가면 늦을 것 같은 마음이 생기기 쉽습니다. 그런데 AI대학원은 단순히 ‘AI를 배우는 학원’이 아닙니다. 대부분은 논문을 읽고, 실험을 설계하고, 실패한 결과를 다시 해석하는 훈련에 가깝습니다.

그래서 첫 단계는 스펙을 쌓는 일이 아니라 내가 연구형 공부를 버틸 수 있는지 확인하는 것입니다. 최소 2~3개월 동안 논문 5편을 읽고, 그중 1편을 코드로 재현해보면 감이 옵니다. 처음에는 이해도가 30%만 되어도 괜찮습니다. 중요한 건 모르는 수식이나 개념을 추적해서 다시 채우는 과정이 싫지만은 않은지입니다. 이 과정이 너무 고통스럽고 결과물 중심 프로젝트가 훨씬 잘 맞는다면, AI대학원보다 산업 프로젝트나 취업 트랙이 더 현실적일 수 있습니다.

전공자와 비전공자의 준비 순서는 다릅니다

컴퓨터공학, 수학, 통계학 전공자는 보통 기초 과목을 완전히 새로 쌓기보다 연구실 핏과 연구 경험을 먼저 만들어야 합니다. 학점이 아주 낮지 않다면, “어떤 분야를 공부했는가”보다 “어떤 문제를 끝까지 파봤는가”가 더 중요하게 보이는 경우가 많습니다. 예를 들어 딥러닝 수업 A학점 하나보다, 객체 탐지 모델을 데이터셋 바꿔가며 실험하고 실패 원인까지 기록한 경험이 면접에서 더 오래 이야기됩니다.

비전공자는 순서를 더 차분하게 잡아야 합니다. 파이썬 문법을 조금 아는 상태에서 바로 최신 논문 구현으로 뛰어들면 대부분 중간에 멈춥니다. 선형대수, 확률통계, 머신러닝 기본기, 파이토치 실습 순서로 4~6개월은 잡는 편이 낫습니다. 솔직히 말하면 ‘3개월 만에 AI대학원 합격’ 같은 문구는 예외 사례에 가깝습니다. 기존 수학·코딩 베이스가 없다면 1년 계획이 더 현실적입니다.

• 전공자: 관심 분야 선정, 논문 리뷰, 연구실 탐색, 프로젝트 고도화가 우선
• 비전공자: 수학·프로그래밍 기초, 머신러닝 개념, 작은 구현 경험이 우선
• 공통: 영어 논문 읽기, 실험 기록, 지원 연구실 분석은 반드시 필요

AI대학원 준비 자료는 ‘넓게’보다 ‘좁고 깊게’ 잡는 게 좋습니다

AI대학원 준비생들이 흔히 하는 실수가 자료를 너무 많이 모으는 것입니다. 강의 6개, 책 4권, 깃허브 저장소 20개를 저장해두면 준비하는 느낌은 납니다. 근데 실제 실력은 끝까지 완료한 자료에서만 생깁니다. 처음 8주 동안은 욕심을 줄이는 게 좋습니다. 머신러닝 기본 강의 1개, 딥러닝 실습 자료 1개, 논문 읽기 루틴 1개면 충분합니다.

예를 들어 평일 하루 2시간을 확보할 수 있다면 이렇게 나눌 수 있습니다. 40분은 개념 학습, 50분은 코드 실습, 30분은 논문 또는 실험 기록입니다. 주말에는 3~4시간을 묶어서 작은 프로젝트를 진행합니다. 여기서 중요한 건 멋진 결과보다 기록입니다. 어떤 모델을 썼고, 하이퍼파라미터를 어떻게 바꿨고, 성능이 왜 떨어졌는지 적어두면 나중에 자기소개서와 면접 답변의 재료가 됩니다.

추천하는 최소 포트폴리오 구성

• 관심 분야 논문 리뷰 3~5편
• 논문 또는 튜토리얼 기반 재현 프로젝트 1개
• 직접 수집하거나 전처리한 데이터 실험 1개
• 실패한 실험까지 포함한 실험 로그

많은 학생이 포트폴리오를 결과물 페이지처럼 꾸미려고 합니다. 물론 보기 좋으면 좋습니다. 하지만 교수나 연구실 면접에서는 “왜 이 방법을 선택했는지”, “비교 실험은 했는지”, “다음 실험은 무엇인지”를 더 자주 묻습니다. 예쁘게 포장한 프로젝트보다 덜 완성됐어도 사고 과정이 보이는 프로젝트가 더 설득력 있습니다.

연구실 선택은 랭킹보다 지도 방식과 주제가 먼저입니다

AI대학원 이름값만 보고 지원 리스트를 짜면 나중에 후회할 수 있습니다. 특히 석사 과정은 2년이 짧습니다. 입학하고 6개월 적응하다 보면 바로 연구 주제를 잡아야 하고, 1년 차 후반부터는 논문이나 프로젝트 압박이 시작됩니다. 그래서 연구실 홈페이지에서 최근 2~3년 논문을 확인하고, 지도교수의 관심사가 지금도 이어지는지 봐야 합니다.

확인할 것은 세 가지입니다. 첫째, 최근 논문 주제가 내가 공부하고 싶은 방향과 맞는가. 둘째, 졸업생 진로가 내 목표와 비슷한가. 셋째, 연구실의 협업 방식이 내 성향과 맞는가. 대형 연구실은 프로젝트가 많고 네트워크가 넓을 수 있지만 개인 피드백이 적을 수 있습니다. 소규모 연구실은 밀도 있게 배울 수 있지만 주제 선택 폭이 좁을 수 있습니다. 어느 쪽이 무조건 좋다는 뜻은 아닙니다. 내 성향과 목표에 맞아야 오래 갑니다.

지원 전 12주 체크리스트를 만들어두면 흔들림이 줄어듭니다

AI대학원 준비는 막연하면 계속 밀립니다. 그래서 지원 3개월 전부터는 주차별로 할 일을 고정하는 편이 좋습니다. 1~4주는 관심 분야를 좁히고 논문 리뷰를 쌓습니다. 5~8주는 프로젝트 하나를 정해서 재현과 변형 실험을 진행합니다. 9~12주는 자기소개서, 연구계획서, 컨택 메일, 면접 답변을 다듬습니다. 이때 새 강의를 추가로 시작하기보다 이미 한 것을 말로 설명하는 연습이 더 중요합니다.

컨택 메일도 너무 길 필요는 없습니다. 본인 배경, 관심 논문, 진행한 프로젝트, 연구실에 관심을 가진 이유를 5~7문장 안에 담으면 됩니다. “열심히 하겠습니다”보다 “교수님의 어떤 연구를 읽었고, 그중 어떤 문제의식이 제 프로젝트와 연결된다”가 훨씬 낫습니다. 면접 준비도 비슷합니다. AI대학원 면접은 정답 암기보다 기초 개념을 자기 언어로 설명하는 힘을 봅니다. 과적합, 역전파, attention, loss function 같은 기본 개념은 그림 없이도 설명할 수 있어야 합니다.

AI대학원은 빠르게 유행을 타는 분야처럼 보이지만, 실제 준비는 꽤 느리고 반복적입니다. 매주 논문을 조금 읽고, 코드를 고치고, 실험이 망한 이유를 적는 시간이 쌓여야 합니다. 화려한 비법보다 “이번 주에 무엇을 끝냈는가”가 더 믿을 만합니다. 준비를 시작한다면 거창한 계획보다 8주 동안 버틸 수 있는 작은 루틴부터 잡는 게 가장 현실적인 출발점이라고 생각합니다.