얼마 전 지인이 AI대학원을 준비한다고 해서 이야기를 나눴는데, 생각보다 많은 사람이 “코딩을 엄청 잘해야만 갈 수 있나?”에서 막히더라고요. 사실 AI대학원은 코딩 실력도 중요하지만, 그보다 먼저 내가 어떤 문제를 오래 붙잡고 싶은지 정하는 일이 꽤 큽니다. 입시만 보고 달리면 합격 후에 연구실 생활이 버거울 수 있고, 반대로 연구 관심사가 또렷하면 부족한 부분을 채우는 방향도 훨씬 선명해집니다.
AI대학원이 맞는지 먼저 가늠하는 방법
AI대학원은 단순히 인공지능 기술을 배우는 곳이라기보다, 아직 답이 깔끔하게 정해지지 않은 문제를 연구하는 곳에 가깝습니다. 예를 들어 이미지 인식 모델을 쓰는 법만 배우는 게 아니라, 왜 특정 환경에서 성능이 떨어지는지, 더 적은 데이터로도 학습할 방법은 없는지 같은 질문을 붙잡게 됩니다.
그래서 지원 전에는 관심 분야를 너무 넓게 잡기보다 2~3개 정도로 줄이는 게 좋습니다. 자연어처리, 컴퓨터비전, 추천시스템, 로보틱스, 의료 AI, 강화학습처럼 큰 갈래를 보고, 그 안에서 내가 읽어도 덜 지루한 주제가 무엇인지 확인하는 식입니다.
- 논문 초록을 읽었을 때 궁금증이 생기는 분야
- 개인 프로젝트로 작게라도 실험해볼 수 있는 분야
- 졸업 후 진로와 연결되는 분야
전공 배경보다 중요한 준비 순서
AI대학원을 준비할 때 컴퓨터공학 전공자가 유리한 건 맞습니다. 그런데 비전공자라고 해서 바로 포기할 필요는 없습니다. 실제로 수학, 통계, 산업공학, 전자공학, 생명과학 배경에서 AI 연구로 넘어오는 경우도 있습니다. 다만 기본기를 건너뛰면 면접에서 금방 티가 납니다.
우선 파이썬은 데이터 처리와 모델 학습 코드를 직접 만질 정도까지 익혀야 합니다. 그다음 선형대수, 확률통계, 미적분을 머신러닝 개념과 연결해 보는 게 좋습니다. 예를 들어 행렬 곱셈을 공식으로만 외우는 것보다, 신경망에서 입력과 가중치가 어떻게 계산되는지 같이 보는 편이 오래 남습니다.
준비 순서는 보통 이렇게 잡으면 무리가 덜합니다. 1단계는 파이썬과 기초 수학, 2단계는 머신러닝 기본 알고리즘, 3단계는 딥러닝 프레임워크 실습, 4단계는 관심 분야 논문 읽기입니다. 솔직히 처음부터 최신 논문만 붙잡으면 진도가 안 나가서 금방 지칩니다.
프로젝트는 작아도 끝까지 남겨야 합니다
AI대학원 지원에서 프로젝트 경험은 꽤 강한 신호가 됩니다. 꼭 대회 수상이나 거창한 서비스가 아니어도 됩니다. 중요한 건 문제 설정, 데이터 선택, 모델 비교, 실패 기록이 남아 있는지입니다. 면접에서는 “무엇을 만들었나요?”보다 “왜 그렇게 했나요?”가 더 자주 나옵니다.
예를 들어 영화 리뷰 감성분석을 했다면 단순히 정확도 87%라고 쓰는 것보다, 어떤 전처리를 했는지, 기본 모델과 딥러닝 모델 차이가 어땠는지, 데이터가 적을 때 어떤 문제가 생겼는지 적는 편이 낫습니다. 작은 프로젝트라도 이런 흐름이 있으면 연구자로서 생각하는 방식을 보여줄 수 있습니다.
- 데이터 출처와 크기
- 사용한 모델과 비교 기준
- 성능 지표와 해석
- 실패한 시도와 배운 점
연구계획서와 컨택 메일은 이렇게 잡으면 편합니다
연구계획서는 멋진 문장보다 구체성이 더 중요합니다. “AI로 세상을 바꾸고 싶다”는 말은 듣기 좋지만, 교수님 입장에서는 어떤 연구를 하고 싶은지 알기 어렵습니다. 대신 “한국어 의료 문서에서 개인정보를 안전하게 비식별화하는 모델을 연구하고 싶다”처럼 문제와 대상이 보이면 훨씬 선명합니다.
컨택 메일도 길게 쓸 필요는 없습니다. 자기소개, 관심 연구실을 고른 이유, 본인이 해본 관련 공부나 프로젝트, 면담 가능 여부 정도면 충분합니다. 교수님 논문을 언급할 때는 제목만 복사하듯 넣기보다, 그 논문에서 어떤 부분이 흥미로웠는지 한두 문장으로 적는 게 자연스럽습니다.
근데 컨택 답장이 바로 오지 않는다고 너무 흔들릴 필요는 없습니다. 연구실 일정, 학회, 프로젝트 때문에 답이 늦어질 수 있습니다. 보통 1~2주 정도 기다린 뒤 짧게 한 번 더 보내는 정도가 무난합니다.
입학 전 3개월은 생활 리듬까지 준비하기
AI대학원 준비를 입시 공부로만 생각하면 놓치는 게 있습니다. 대학원 생활은 긴 호흡입니다. 논문 읽기, 실험 돌리기, 세미나 준비, 코드 디버깅이 반복됩니다. 그래서 입학 전 3개월은 지식만 넣는 기간이 아니라 생활 리듬을 맞추는 기간으로 보는 게 현실적입니다.
첫 달에는 파이썬과 수학 기본기를 다시 잡고, 둘째 달에는 관심 분야 대표 논문 5편 정도를 읽어보면 좋습니다. 셋째 달에는 작은 프로젝트를 하나 끝내면서 결과를 문서로 남깁니다. 이때 완벽한 결과보다 재현 가능한 코드와 실험 기록이 더 중요합니다.
비용도 미리 봐야 합니다. 등록금, 생활비, 장학금, 연구과제 인건비는 학교와 연구실마다 차이가 큽니다. 모집요강과 연구실 안내를 확인하고, 가능하다면 재학생 이야기를 들어보는 게 가장 현실적입니다. 숫자를 미리 보면 불안이 줄고 선택도 차분해집니다.
AI대학원은 이름만 보고 뛰어들기엔 생각보다 깊고, 겁먹고 물러서기엔 문이 아주 닫혀 있는 곳도 아닙니다. 관심 분야를 좁히고, 기본기를 쌓고, 작은 프로젝트를 끝까지 남기는 사람은 분명히 자기만의 이야기를 만들 수 있습니다. 준비 과정이 조금 느리더라도 방향이 분명하면 그 시간이 꽤 단단한 자산이 됩니다.
