얼마 전 AI대학원을 준비하는 직장인 수험생과 상담했는데, 가장 먼저 꺼낸 말이 "논문을 아직 못 읽는데 지원해도 될까요?"였습니다. 사실 이런 고민은 꽤 정상입니다. AI대학원은 똑똑한 사람만 가는 곳이라기보다, 수학·코딩·논문 읽기·연구 관심사를 일정한 속도로 쌓아 올린 사람이 버티는 곳에 가깝습니다.
문제는 준비 방향을 잘못 잡는 경우가 많다는 점입니다. 파이썬 강의만 3개 듣고 멈추거나, 딥러닝 책을 첫 장부터 완벽하게 읽으려다 2주 만에 지치는 식이죠. AI대학원 준비는 공부량보다 순서가 중요합니다. 특히 석사 지원을 목표로 한다면 "내가 연구를 해볼 사람인지"를 보여주는 자료가 필요합니다.
AI대학원 준비는 스펙 쌓기보다 연구 가능성 만들기
AI대학원 입시는 일반 자격증 시험과 다릅니다. 점수 하나로 줄 세우는 구조가 아니라, 학업계획서·연구계획서·성적·프로젝트·면접 답변이 함께 평가됩니다. 그래서 준비생이 가장 먼저 해야 할 일은 "어떤 연구실에서 어떤 문제를 다루고 싶은지"를 좁히는 일입니다.
처음부터 거창한 주제를 잡을 필요는 없습니다. 예를 들어 자연어처리에 관심이 있다면 "챗봇"이라고 넓게 쓰기보다, "한국어 문서 요약에서 긴 문맥을 어떻게 유지할 것인가"처럼 조금 더 좁혀야 합니다. 컴퓨터비전이라면 "이미지 분류"보다 "의료 영상에서 데이터가 적을 때 모델 성능을 높이는 방법"이 더 선명합니다.
- 관심 분야 1개를 정합니다: 자연어처리, 컴퓨터비전, 추천시스템, 강화학습, 로보틱스 등
- 관련 연구실 5곳을 찾고 교수의 최근 논문 제목을 읽습니다
- 논문 초록을 10편 정도 훑으며 반복되는 키워드를 적습니다
- 내 경험과 연결되는 프로젝트 아이디어를 1개 만듭니다
여기서 중요한 건 완벽한 이해가 아닙니다. 처음에는 초록과 그림, 실험 결과 표만 봐도 충분합니다. 논문 읽기는 체력처럼 늘어납니다. 하루에 한 편을 다 이해하려고 덤비기보다, 30분씩 2주를 이어가는 쪽이 훨씬 낫습니다.
비전공자라면 수학과 코딩을 동시에 가볍게 시작해야 합니다
비전공자 준비생이 자주 하는 실수는 "수학부터 끝내고 코딩하겠다"는 계획입니다. 솔직히 이 방식은 오래 버티기 어렵습니다. 선형대수, 확률, 미적분을 책으로만 공부하면 AI와 연결되는 감각이 늦게 옵니다. 반대로 코딩만 하면 모델이 왜 그렇게 작동하는지 설명하기 어렵습니다.
6개월 준비를 기준으로 보면, 초반 8주는 파이썬과 수학을 같이 돌리는 편이 현실적입니다. 파이썬은 넘파이, 판다스, 파이토치의 기본 흐름을 익히고, 수학은 벡터·행렬·확률분포·손실함수·그래디언트 개념을 우선 잡으면 됩니다. 이 정도만 해도 논문과 강의가 전보다 덜 낯설어집니다.
추천 학습 순서
- 1~2주차: 파이썬 문법, 넘파이 배열, 판다스 데이터프레임
- 3~4주차: 선형대수의 벡터, 행렬곱, 고유값 개념
- 5~6주차: 확률, 평균과 분산, 조건부확률, 기초 통계
- 7~8주차: 파이토치로 간단한 신경망 구현
전공자라면 이 기간을 더 줄일 수 있습니다. 대신 알고리즘, 자료구조, 운영체제 같은 기초 CS가 약하다면 면접에서 빈틈이 생길 수 있습니다. AI대학원 면접은 최신 모델 이름을 많이 아는 사람보다, 기본 개념을 자기 말로 설명하는 사람에게 유리한 경우가 많습니다.
프로젝트는 화려함보다 재현 가능성이 더 중요합니다
AI대학원 지원서에서 프로젝트는 꽤 강한 신호가 됩니다. 그런데 여기서도 착각이 있습니다. 대회 수상이나 거대한 서비스 개발만 프로젝트라고 생각하는 겁니다. 실제로는 작아도 괜찮습니다. 대신 데이터, 모델, 실험, 실패 기록이 보여야 합니다.
예를 들어 뉴스 기사 분류 모델을 만들었다면 "정확도 92%"만 쓰면 약합니다. 어떤 데이터를 썼는지, 기준 모델은 무엇이었는지, 전처리를 어떻게 했는지, 왜 성능이 떨어졌는지, 어떤 실험을 추가했는지가 있어야 합니다. 연구실에서는 결과보다 사고 과정을 봅니다.
프로젝트 기록에 꼭 들어갈 내용
- 문제 정의: 무엇을 예측하거나 생성하려 했는지
- 데이터 설명: 데이터 크기, 출처 대신 수집 방식, 주요 특성
- 기준 모델: 로지스틱 회귀, CNN, Transformer 등 비교 대상
- 실험 결과: 성능 지표와 실패한 시도
- 다음 질문: 더 해보고 싶은 개선 방향
처음 프로젝트라면 4주 안에 끝낼 수 있는 주제가 좋습니다. 너무 큰 목표를 잡으면 완성물이 남지 않습니다. AI대학원 준비에서 미완성 프로젝트 5개보다, 작아도 설명 가능한 프로젝트 1개가 더 강합니다.
학업계획서는 관심사보다 준비 과정을 보여줘야 합니다
학업계획서에 "AI로 사회에 기여하고 싶다"는 문장은 많이 나옵니다. 틀린 말은 아니지만, 평가자 입장에서는 구체성이 부족합니다. 좋은 글은 관심 분야, 읽어본 논문, 해본 실험, 부족한 점, 대학원에서 배우고 싶은 방향이 자연스럽게 이어집니다.
예를 들어 "자연어처리에 관심이 있습니다"에서 멈추지 말고, "한국어 문서 분류 프로젝트를 하면서 도메인별 성능 차이가 컸고, 이를 줄이기 위한 표현학습과 데이터 증강 방법에 관심이 생겼습니다"처럼 써야 합니다. 이 문장은 준비 과정과 연구 질문이 함께 보입니다.
면접 준비도 비슷합니다. 예상 질문 50개를 외우는 방식보다, 본인 프로젝트 하나를 3분, 1분, 30초 버전으로 설명하는 연습이 효과적입니다. 교수는 대개 꼬리질문을 합니다. "왜 그 모델을 썼나요?", "비교 실험은 했나요?", "데이터 편향은 없었나요?" 같은 질문에 답하려면 암기보다 이해가 필요합니다.
6개월 계획은 매일 할 일을 작게 쪼개야 굴러갑니다
AI대학원 준비는 장거리입니다. 그래서 주간 루틴이 있어야 합니다. 평일에는 수학 40분, 코딩 60분, 논문 30분처럼 작게 나누고, 주말에는 프로젝트 실험과 지원 서류를 손보는 식이 좋습니다. 하루 5시간을 한 번에 확보하려는 계획은 직장인이나 학부생 모두에게 자주 무너집니다.
- 월·수·금: 수학 개념 40분, 파이토치 실습 60분
- 화·목: 논문 초록 읽기 30분, 프로젝트 코드 개선 70분
- 토요일: 실험 2시간, 결과 기록 1시간
- 일요일: 연구실 조사, 학업계획서 문장 보완
중간에 흐름이 끊겨도 괜찮습니다. 중요한 건 다시 들어올 수 있는 구조입니다. 노션이든 스프레드시트든 상관없지만, 읽은 논문 제목, 실험 날짜, 성능 지표, 다음 할 일을 한 줄씩 남기면 됩니다. 기록이 쌓이면 불안이 줄고, 면접 답변도 훨씬 단단해집니다.
AI대학원은 단기간에 번쩍 준비해서 붙는 시험이라기보다, 내가 연구자로 훈련될 수 있는 사람인지 보여주는 과정에 가깝습니다. 대단한 비법을 찾기보다 작은 프로젝트 하나를 끝내고, 논문을 조금씩 읽고, 내 관심사를 문장으로 좁혀가는 사람이 결국 지원서에서도 면접에서도 더 설득력 있게 보입니다.
