AI대학원 준비하는 방법, 전공자와 비전공자가 다르게 잡아야 할 공부 순서
얼마 전 AI대학원 진학을 고민하는 수험생과 상담했는데, 첫 질문이 “논문을 먼저 읽어야 하나요, 코딩테스트를 먼저 해야 하나요?”였습니다. 사실 이 질문을 하는 분들은 대부분 이미 열심히 하고 있습니다. 문제는 열심히 하는 방향이 너무 흩어져 있다는 점입니다. AI대학원은 단순히 인공지능을 좋아한다고 들어가는 곳이 아니라, 수학·코딩·연구 경험을 어느 정도 증명해야 하는 과정에 가깝습니다.
그래서 준비는 멋진 포트폴리오 하나를 급하게 만드는 방식보다, 6개월에서 1년 정도 굴러가는 시스템으로 잡는 편이 훨씬 현실적입니다. 특히 직장인, 학부생, 비전공자는 하루 공부 시간이 들쭉날쭉하기 때문에 더더욱 순서가 중요합니다.
AI대학원 준비 전에 먼저 확인할 것
AI대학원을 준비할 때 가장 먼저 볼 것은 학교 이름이 아니라 본인의 현재 위치입니다. 전공자라면 선형대수, 확률, 머신러닝 기본 개념을 어느 정도 알고 있는지 확인해야 하고, 비전공자라면 파이썬으로 데이터를 다루는 경험이 있는지부터 봐야 합니다.
제가 상담할 때 자주 쓰는 기준은 세 가지입니다. 첫째, 수학 개념을 공식 암기가 아니라 설명할 수 있는가. 둘째, 파이썬으로 간단한 모델 학습과 결과 해석을 해본 적이 있는가. 셋째, 관심 있는 연구 분야를 2~3개 논문 제목 수준이라도 말할 수 있는가. 이 세 가지가 비어 있으면 지원서보다 기초 체력을 먼저 채우는 게 낫습니다.
- 수학: 선형대수, 확률과 통계, 미적분 기본
- 코딩: 파이썬, 넘파이, 판다스, 파이토치 또는 텐서플로
- 이론: 머신러닝, 딥러닝, 모델 평가 지표
- 연구 이해: 논문 초록과 실험 결과를 읽는 연습
근데 여기서 욕심을 내면 금방 지칩니다. 예를 들어 선형대수 교재를 처음부터 끝까지 완독하려고 하면 두 달이 지나도 고유값 근처에서 멈추는 경우가 많습니다. 대학원 준비에서는 완독보다 필요한 개념을 문제와 코드에 연결하는 방식이 더 효율적입니다.
전공자는 연구 방향, 비전공자는 증거 만들기
전공자는 이미 학부 수업이나 프로젝트 경험이 있을 가능성이 큽니다. 그래서 “AI를 공부했습니다”보다 “어떤 문제를 어떤 방식으로 다뤄봤습니다”가 중요합니다. 예를 들어 이미지 분류를 했다면 단순 정확도만 적기보다 데이터 불균형, 오버피팅, 모델 변경 이유를 설명할 수 있어야 합니다.
반대로 비전공자는 합격 가능성을 높이려면 증거가 필요합니다. 말로는 누구나 열정이 있다고 할 수 있습니다. 하지만 깃허브에 정리된 프로젝트 2개, 캐글 또는 개인 데이터 분석 기록, 기본 논문 리뷰 5편 정도가 있으면 이야기가 달라집니다. 완성도가 아주 높지 않아도 됩니다. 대신 본인이 직접 고민한 흔적이 보여야 합니다.
실제로 제가 봤던 한 직장인 지원자는 컴퓨터공학 전공이 아니었지만, 8개월 동안 매주 10시간씩 공부했습니다. 처음 3개월은 파이썬과 통계, 다음 3개월은 머신러닝 프로젝트, 마지막 2개월은 관심 교수 연구실 논문을 읽고 자기소개서에 연결했습니다. 대단한 수상 경력은 없었지만, 준비 과정이 일관돼 있어서 면접에서 흔들리지 않았습니다.
6개월 공부 계획은 이렇게 나누면 덜 흔들립니다
AI대학원 준비를 6개월로 잡는다면 한 달 단위로 목표를 쪼개는 게 좋습니다. 매일 5시간 공부하겠다는 계획보다, 주 5일 기준으로 1회 90분짜리 블록을 꾸준히 확보하는 방식이 오래 갑니다. 공부 시간이 부족한 사람은 평일 4회, 주말 1회만 고정해도 꽤 많은 양을 쌓을 수 있습니다.
1~2개월차: 기초 수학과 파이썬
이 시기에는 어려운 논문보다 기초를 잡아야 합니다. 선형대수는 벡터, 행렬곱, 역행렬, 고유값이 모델 학습에서 어떤 의미인지 연결하면 충분합니다. 확률은 조건부확률, 기대값, 분산, 베이즈 정리 정도를 먼저 잡습니다. 파이썬은 문법만 오래 붙잡지 말고, 판다스로 데이터를 불러오고 전처리하는 연습을 같이 해야 합니다.
3~4개월차: 머신러닝 프로젝트
이때는 분류, 회귀, 클러스터링 중 2개 이상을 직접 해보는 것이 좋습니다. 중요한 건 모델을 많이 쓰는 게 아니라 결과를 해석하는 겁니다. 정확도 92%라는 숫자보다, 왜 그 결과가 나왔는지, 어떤 지표를 봐야 하는지, 데이터가 바뀌면 성능이 어떻게 흔들리는지를 기록해야 합니다.
5~6개월차: 연구실 조사와 지원서 연결
마지막 두 달은 관심 분야를 좁히는 기간입니다. 자연어처리, 컴퓨터비전, 추천시스템, 강화학습, 의료 AI처럼 큰 분야를 정한 뒤, 지원하려는 학교의 연구실 논문을 읽습니다. 논문 전체를 완벽히 이해하려고 하지 않아도 됩니다. 문제의식, 사용한 데이터, 실험 방법, 한계 정도만 잡아도 지원서 문장이 훨씬 구체적으로 바뀝니다.
많이 무너지는 패턴과 대안
AI대학원 준비생들이 자주 무너지는 지점은 생각보다 비슷합니다. 첫 번째는 수학에서 너무 오래 멈추는 것입니다. 수학은 중요하지만, 수학만 4개월 붙잡고 있으면 코딩과 프로젝트가 비어 버립니다. 주 3회는 수학, 주 2회는 코딩처럼 병행하는 편이 낫습니다.
두 번째는 강의만 계속 듣는 패턴입니다. 강의는 편합니다. 그런데 강의를 듣는 것과 내가 설명할 수 있는 것은 다릅니다. 한 강의를 들었다면 최소한 노트 1장, 코드 실습 1개, 질문 3개 정도는 남기는 습관을 가져야 합니다.
세 번째는 학교 리스트를 너무 늦게 보는 것입니다. 지원 직전에 연구실을 찾으면 자기소개서가 급하게 만들어집니다. 최소 3개월 전에는 관심 연구실 5곳 정도를 정하고, 교수님 논문이나 연구실 프로젝트를 훑어봐야 합니다. 그래야 “AI에 관심이 있습니다”가 아니라 “이 문제를 더 공부하고 싶습니다”로 말이 바뀝니다.
- 강의 수강 후 반드시 코드 실습으로 연결하기
- 프로젝트는 결과보다 과정 기록을 남기기
- 관심 연구실은 지원 직전이 아니라 중반부터 조사하기
- 수학, 코딩, 논문 읽기를 한쪽으로 몰지 않기
지원서와 면접에서 보여줘야 할 것
AI대학원 지원서에서 가장 설득력 있는 문장은 화려한 표현이 아니라 구체적인 경험에서 나옵니다. “딥러닝에 큰 흥미를 느꼈습니다”보다 “불균형 데이터에서 F1-score가 정확도보다 더 적절하다는 점을 프로젝트에서 확인했습니다”가 훨씬 낫습니다.
면접도 비슷합니다. 교수님은 지원자가 모든 걸 아는지보다, 모르는 것을 어떻게 다루는지 봅니다. 모르는 질문을 받았을 때 억지로 답을 꾸미기보다, 알고 있는 범위와 모르는 범위를 나누어 말하는 태도가 좋습니다. 연구는 결국 모르는 문제를 붙잡는 일이기 때문입니다.
AI대학원 준비는 단기간에 멋있어 보이는 결과를 만드는 싸움이 아닙니다. 2주 동안 몰아쳐서 만든 프로젝트보다, 6개월 동안 꾸준히 쌓은 기록이 더 강합니다. 특히 비전공자라면 더 그렇습니다. 부족함을 숨기기보다 어떤 순서로 메워왔는지를 보여주는 사람이 결국 면접장에서 더 오래 기억됩니다.
솔직히 AI대학원 준비는 쉽지 않습니다. 수학도 어렵고, 코딩도 막히고, 논문은 처음 보면 외국어처럼 느껴집니다. 그래도 방향을 잘게 나누면 버틸 만합니다. 하루에 모든 걸 해결하려고 하지 말고, 이번 주에는 데이터 전처리 하나, 다음 주에는 모델 평가 하나, 그다음에는 논문 초록 세 편처럼 작게 쌓는 방식이 현실적입니다. 그렇게 쌓인 기록이 지원서의 문장이 되고, 면접에서 흔들리지 않는 근거가 됩니다.
