얼마 전 상담에서 직장인 수강생 한 분이 “AI대학원은 논문 읽고 코딩 잘하는 사람만 가는 곳 아니냐”고 묻더라고요. 사실 반은 맞고 반은 다릅니다. AI대학원은 이미 완성된 연구자를 뽑는 곳이라기보다, 연구를 버틸 기본기와 문제를 붙잡는 태도를 가진 사람을 찾는 곳에 가깝습니다.
다만 막연한 관심만으로는 어렵습니다. “AI가 유망하다”, “데이터 쪽으로 커리어를 바꾸고 싶다” 정도의 이유는 지원서에서 금방 힘이 빠집니다. 준비 방향은 생각보다 단순합니다. 수학, 프로그래밍, 연구 경험, 지원서 이 네 가지를 어느 정도 균형 있게 쌓아야 합니다.
AI대학원 준비는 목표 전공을 좁히는 것부터
AI대학원이라고 해도 안에서 다루는 분야는 꽤 다릅니다. 자연어처리, 컴퓨터비전, 추천시스템, 로보틱스, 의료 AI, 강화학습, 생성형 AI처럼 연구실마다 보는 문제가 다릅니다. 그래서 처음부터 “AI 전체를 공부하겠다”는 계획은 오래가기 어렵습니다.
제가 권하는 방식은 2주 동안 연구실 소개와 최근 논문 제목을 훑으며 관심 분야를 2개 정도로 줄이는 겁니다. 논문 내용을 전부 이해하지 못해도 괜찮습니다. 대신 어떤 데이터, 어떤 문제, 어떤 모델을 다루는지 반복해서 보면 본인이 끌리는 방향이 보입니다.
- 이미지, 영상, 의료영상에 흥미가 있으면 컴퓨터비전 계열
- 챗봇, 번역, 문서 분석에 관심이 있으면 자연어처리 계열
- 서비스 로그, 쇼핑, 콘텐츠 추천에 관심이 있으면 추천시스템 계열
- 수학적 모델링과 의사결정 문제에 끌리면 강화학습 계열
이 단계에서 욕심을 줄이는 게 중요합니다. 합격한 사람들은 대개 모든 분야를 얕게 말하기보다, 한두 분야에 대해 “왜 관심이 생겼고 무엇을 해봤는지”를 구체적으로 설명합니다.
수학과 코딩은 시험공부처럼 쪼개야 버틴다
AI대학원 준비생이 가장 많이 무너지는 지점은 수학입니다. 선형대수, 미적분, 확률통계가 계속 등장하는데, 책을 처음부터 끝까지 보겠다고 시작하면 3주 안에 멈추는 경우가 많습니다. 자격증 공부와 비슷하게 범위를 작게 나눠야 합니다.
수학은 세 과목을 얇게 여러 번
처음 8주 기준으로 잡으면 선형대수 3주, 확률통계 3주, 미적분과 최적화 기초 2주 정도가 현실적입니다. 하루 2시간을 쓸 수 있다면 개념 60분, 문제풀이 40분, 코드로 확인 20분 정도로 나누는 편이 좋습니다. 특히 행렬곱, 고유값, 조건부확률, 기댓값, 경사하강법은 설명만 읽지 말고 작은 예제를 직접 계산해야 합니다.
코딩은 파이썬과 딥러닝 구현에 집중
프로그래밍은 파이썬 문법을 오래 붙잡기보다 넘파이, 판다스, 파이토치 흐름에 익숙해지는 게 낫습니다. 최소 기준을 잡자면 CSV 데이터를 읽고, 전처리하고, 간단한 모델을 학습시킨 뒤 성능을 비교할 수 있어야 합니다. 여기까지 되면 면접에서 “코딩을 해봤다”가 아니라 “실험을 굴려봤다”고 말할 수 있습니다.
근데 여기서 흔한 실수가 있습니다. 강의만 계속 듣는 겁니다. 강의 10개를 듣는 것보다 작은 프로젝트 2개를 끝까지 밀어붙인 사람이 더 강합니다. 예를 들어 영화 리뷰 감성 분류, 손글씨 이미지 분류, 중고거래 가격 예측 같은 과제도 충분히 시작점이 됩니다.
연구 경험은 거창한 논문보다 재현과 개선이 먼저
AI대학원 지원서에서 가장 설득력 있는 재료는 연구 경험입니다. 그런데 학부 연구생을 못 했거나 회사 업무가 AI와 멀었다고 해서 바로 포기할 필요는 없습니다. 개인 프로젝트도 구조를 잘 잡으면 연구 경험처럼 보일 수 있습니다.
추천하는 순서는 재현, 분석, 개선입니다. 먼저 공개된 모델이나 논문 아이디어를 따라 구현합니다. 그다음 데이터, 하이퍼파라미터, 오류 사례를 분석합니다. 아주 작은 개선을 시도합니다. 모델을 바꾸거나, 데이터 전처리를 다르게 하거나, 평가 지표를 추가하는 식이면 충분합니다.
- 문제 정의: 어떤 문제를 풀려고 했는지 한 문단으로 설명
- 데이터: 크기, 출처 성격, 전처리 방식 기록
- 모델: 사용한 알고리즘과 선택 이유 작성
- 실험: 기준 성능과 변경 후 성능 비교
- 회고: 실패한 시도와 다음에 바꿀 점 남기기
솔직히 처음부터 멋진 결과가 나오는 경우는 드뭅니다. 오히려 “성능이 안 나와서 데이터를 다시 봤더니 라벨 불균형이 있었다” 같은 기록이 더 좋을 때도 있습니다. 연구는 맞힌 답만 보여주는 활동이 아니라, 틀린 과정을 줄여가는 활동이기 때문입니다.
지원서는 관심 분야보다 적합성을 보여줘야 한다
자기소개서나 연구계획서를 쓸 때 많은 분들이 “AI로 사회에 기여하고 싶다”는 문장을 씁니다. 나쁜 말은 아니지만, 거의 모든 지원자가 쓸 수 있는 문장입니다. 평가자 입장에서는 구체성이 부족하게 느껴질 수 있습니다.
지원서에는 세 가지가 들어가야 합니다. 첫째, 어떤 문제에 관심이 있는지. 둘째, 그 문제를 이해하려고 무엇을 공부하고 실험했는지. 셋째, 해당 연구실에서 왜 이어가고 싶은지입니다. 이 세 가지가 연결되면 글이 훨씬 단단해집니다.
예를 들어 “자연어처리에 관심이 있습니다”보다 “고객 상담 로그에서 반복 문의를 자동 분류하는 프로젝트를 하며 짧고 비문이 많은 문장의 분류 성능이 크게 흔들리는 것을 봤고, 이후 문장 임베딩 방식과 데이터 증강에 관심이 생겼습니다”가 훨씬 낫습니다. 길지 않아도 장면이 보이면 강합니다.
준비 기간별로 다르게 움직여야 한다
남은 기간이 1년인 사람과 3개월인 사람은 전략이 달라야 합니다. 1년이 있다면 기본기와 프로젝트를 같이 쌓을 수 있습니다. 6개월이면 분야 선택을 빨리 끝내고 프로젝트 1개를 깊게 가져가는 편이 낫습니다. 3개월이면 새로운 걸 많이 벌이기보다 이미 가진 이력과 공부 흔적을 지원서에 맞게 재배치해야 합니다.
- 12개월 전: 수학 기초, 파이썬, 관심 분야 탐색, 작은 프로젝트 2개
- 6개월 전: 연구실 조사, 논문 재현 1개, 연구계획서 초안 작성
- 3개월 전: 지원서 다듬기, 면접 예상 질문, 프로젝트 설명 연습
- 1개월 전: 교수별 연구 키워드 확인, 수학·딥러닝 기본 질문 복습
면접 준비도 빼놓으면 안 됩니다. “왜 AI대학원인가요?”, “왜 이 연구실인가요?”, “본인이 한 프로젝트에서 가장 어려웠던 점은 무엇인가요?”, “성능을 높이기 위해 무엇을 바꿨나요?” 같은 질문은 거의 기본값입니다. 답변은 외우기보다 60초 안에 말하는 연습을 해야 합니다.
AI대학원 준비는 재능 있는 사람만 하는 특별한 코스처럼 보이지만, 실제로는 공부 기록을 얼마나 꾸준히 쌓았는지가 크게 작용합니다. 수학을 조금씩 복습하고, 코드를 직접 돌리고, 실패한 실험까지 남겨두는 사람은 시간이 갈수록 말할 거리가 생깁니다. 합격 가능성은 어느 날 갑자기 올라가지 않습니다. 매주 남긴 작은 증거들이 모여서 지원서와 면접에서 힘을 내는 쪽에 가깝습니다.
