하루

비전공자가 데이터, 인공지능 대학원 가도 되나요?

하루야! — Sat, 4 Jun 2022 14:51:54 +0900

비전공자가 데이터, 인공지능 대학원 가도 되나요?

요즘 주변분들에게 공학 대학원 상담을 매우 많이 받고 있습니다.

작년말에는 갑자기 서류를 덜컥 붙으셔서, 면접 및 전공 시험을 속성으로 과외를 요청해주신 분들도 있으시구요.

제 나이가 조금 빠르게 취직을 하면 5년차, 그렇지 않으면 3~4년차가 되는 나이인데, 본인 업무에 대한 매너리즘이 오기 시작하거나, 이직이 슬슬 생각나는 시기 때문인 것 같습니다 ㅎㅎ

저는 커리어 전환으로 대학원을 진학하시는 것을 부정적으로 생각하지 않습니다. 저와 같이 입학한 동기들의 경우에도 30%정도가 직장을 다니시다가 풀타임 석사로 오신 케이스였는데, 그 분들과 함께 공부를 하며 많이 도와드렸고, 그 누구보다 열심히 하셔서 모두 좋은 곳으로 커리어 전환에 성공하시는 모습을 실제로 보았기 때문입니다.

다만, 대학원은 무언가를 가르쳐주는 학교의 개념보다는 특정 주제를 잡고 깊게 연구를 하는 것을 목표로 하는 집단인 것을 알고 가셨으면 합니다.

내가 딥러닝을 연구한다고 했을 때, 대학원에서는 그것과 관련된 공부를 일반적으로 제공하지 않습니다. 주변에 내가 하고자 하는 분야를 먼저 연구한 박사 과정이 있다면 도움을 얻을 수 있겠지만, 그게 아니라 이 연구실에서 내가 최초로 딥러닝을 활용해서 연구를 진행한다? 그대로 들개식 연구 시작입니다.

이번 포스팅에서는 비전공자가 공학 대학원에 가게되면 겪을 수 있는 현실적인 어려움에 대해 이야기해보고자 합니다.

상담을 했던 지인분들 중, 비전공자분들이 공학 계열로의 대학원 진학을 결심하셨을 때는 대부분 데이터 계열, 인공지능 계열, HCI(Human Computer Interaction) 계열에서 고민을 하시는 것 같습니다.

나쁘지 않습니다. 비즈니스적으로도 필요성이 증명된 학문들이라 계속해서 수요가 존재하는 확실한 분야니까요.

세 분야 중 가장 선호도가 높은 AI, 그 중에서도 이미지 기반의 딥러닝을 연구하는 연구실에 비전공자가 입학했다고 가정하겠습니다.

1. 의외로 공부할 것이 많다

: 논문에서는 일반적으로 독자가 기본적인 선형대수, 통계학, 이미지 프로세싱 등에 대한 지식이 있다고 가정하고 글을 서술합니다. 딥러닝에 관심이 있다면 한번쯤은 들어보셨을 법한 CNN(Convolutional Neural Network)의 개념이 제시된 논문에서도 마찬가지입니다.

기호와 이상한 단어들이 있어서 두렵지만, 알고 보면 진짜 쉬움

애초에 Convolution이라는 개념을 컴퓨터공학 전공이라면 신호처리, 이미지 프로세싱 계열의 수업에서 무조건 한 번쯤은 접하는 개념이기에 쉽게 받아들일 수 있지만, 전공자가 아니라면 다소 어려울 수 있습니다.

Kernel(혹은 Filter)이 무엇인지를 알아보려면 이미지 프로세싱쪽을 들여다봐야하고, 또 거기서는 행렬(선형대수) 개념이 나오는식입니다.

물론, 못할 정도는 절대 절대 아닙니다. 여기서 드리고 싶은 말은 생각보다 공부해야할 양이 더 많을 수 있다는 것 입니다.

허미,,,

애초에 모든 학문을 A to Z까지 전부 다 알아야 하는 것도 아니고, 내가 수행하는 연구에서 필요한 부분만 체리 피킹해서 공부해도 충분합니다. 다만 각 학문이 상호적으로 연결되어 있기에 파고 파고 들어가다보면, 이 양이 생각보다 많을 수 있다는 것을 꼭 알고 가셨으면 합니다.

2. 논문 실험, 프로젝트를 위해 모델을 구현해야할 때

: 논문을 어찌저찌 이해한다 하더라도, 논문을 구현하는 것은 또 다른 문제입니다. 물론 지금은 라이브러리화가 잘되어 있기도 하고, github나 velog 등에 코드가 많긴 합니다.

하지만 내 데이터셋에 맞게 Data Loder쪽을 건드려야 하거나, 필요에 맞게 모델을 수정할 때 막히는 경우가 생기며, 수많은 버전 관련, CUDA 관련 이슈들도 덩달아서 튀어나오는 경우가 많습니다.

이 과정이 처음엔 매우 고통스러울 수 있습니다. 분명히 다른 사람은 되는데 내 PC에서는 안되고, colab에서는 되는데 연구실 서버에서는 안되고, 파라미터 하나 바꿨을 뿐인데 뻘겋게 에러 메시지가 IDE 화면을 가득 채우고..... 괜히 잘못 건드리면 더 큰일날까봐 더 만지지도 못하겠고...

원래 개발과 구현은 에러와의 싸움이고, 구글은 모든 답을 갖고 있기에 어찌저찌 완성을 시켜 실험을 진행할 수 있습니다. 그런데 이 과정 자체가 매우 고통스러울 수 있습니다.

3. 재취준

: 학회나 저널에 논문도 투고했고, 학위 논문도 순항중이고, 이제 딥러닝 동향에 대해 박사와 토론도 할 수 있게 되었습니다. 졸업이 다가옵니다.

자 이제 취준하셔야죠....

AI 엔지니어, 연구원으로 원서를 쓰니, 코딩 테스트와 오프라인 과제가 주어집니다.

코딩 테스트는 라이브로 감독관이 내가 알고리즘을 짜는걸 실시간으로 보겠다고 하고,

과제는 처음 다루는 데이터셋을 활용하여 문제를 풀라고 합니다. 게다가 PyTorch를 사용하라는 제약이 걸려 있습니다. 나는 Tensorflow만 활용해서 여태까지 연구했는데...!

숨이 막히시지 않나요?

졸업 논문 작성 + 졸업 디펜스 + 자기 소개서 + 코테 + 회사 사전 과제 수행 + 면접 준비 (+ 논문 투고)가 동시에 진행되는 마지막 학기는 정말 정말 정말 바쁩니다.

그렇기 때문에 졸업 후 한학기 정도 랩에서 연구원 신분으로 프로젝트를 수행하며, 취준을 준비하시는 경우도 있습니다. 하지만 이 경우는 랩에 프로젝트가 있어야하고, 교수님과의 관계가 좋아야 한다는 쉬우면서도 어려운 조건들이 붙어 있습니다.

아니라면? 졸업을 늦춰야 합니다.

조금 리얼하다고 느끼셨다면 맞습니다. 일부는 제가 경영대에서 공대로 재입학을 했을 때 느꼈던 경험이고, 일부는 함께 동고동락한 비전공자 석사 동기들과 식사를 할 때 자주 나왔던 이야기들에 대해 정리를 한 것들입니다.

사실 위의 세가지 말고도 다양한 이슈들이 생길 수 있습니다. 대학원은,,, 원래,,, 그런 곳이니까요,,,,

하지만 그럼에도 불구하고 커리어 전환에 대한 필요성을 확실하게 느끼셨고, 몰입하여 공부를 할 수 있다는 각오를 다지셨다면, 저는 대학원을 강력히 추천드립니다.

부트캠프를 통해 6개월 만에 데이터 사이언티스트로 이직 했어요! 라거나 한 달만에 마스터 했어요 딥러닝! 이런식으로 홍보하는 온라인 강의나 부트캠프에 퇴근 이후의 시간과 돈을 투자하는 것보다는 2년을 확실히 공부에만 몰입을 할 수 있는 환경에 본인을 밀어 넣는 것이 (오히려) 가성비적으로 훨씬 났기 때문입니다.

데이터 대학원 문과 인공지능 문과 딥러닝 문과

얼떨결에 문과가 카이스트 입학까지 했습니다

하루야! — Wed, 22 Sep 2021 14:36:41 +0900

제 커리어 초반부에는 급커브 구간이 있습니다.

2013-2014 중앙대 경영경제대학 4학기 재학 중 자퇴

2015 한양대 정보시스템학과 입학

2018 조기졸업. 딥러닝(비전) 기반의 연구 주제로 카이스트 석사 과정 입학

2020~ 석사 졸업. 석사 전공을 살릴 수 있는 곳 회사 중, 가장 돈을 많이 주는 회사에 입사

학교 잘 다니다가 자퇴를 한건데요. 큰 뜻이 있어서 자퇴를 한 것은 아니고, 대부분의 대학생들이 한번쯤 겪는 전공에 대한 현타를 극복하지 못하고! 저는 자퇴를 했습니다. 하하

중앙대 시절의 저는 그냥저냥 학교 다니면서 시험 공부와 팀플하고, 남들 따라서 대외활동도 이것저것 찍먹해보고, 방학엔 알바랑 여행 다니는 전형적인 대학생이었습니다. 전공에 대한 재미도 없으니 학과 공부도 '졸업 학점 B+ 목표! 딱 남들 하는만큼만 하자!' 라는 마인드였습니다.

그러던 중 우연하게, 교양 수업에서 빅데이터라는 개념을 알게 되었습니다. 지금이야 빅데이터하면 되게 옛날 느낌나는데... 그 당시 이야기를 살짝 해보면, 빅데이터의 3V가 무엇인지를 물어보는 교양, 전공 문제는 대학생들의 시험 점수를 깍아먹는 킬러 문제였습니다.

아무튼! 처음으로 교수님, 선배, 팀원들이 시켜서 찾아보거나 공부하는 것이 아닌, 스스로의 의지로 빅데이터가 무엇인지 알아보았습니다. 개념을 타고 타고 들어가다보니 자연스럽게 하둡, 스파크 등의 개념도 알게 되었고, 마지막에는 빅데이터가 활용되고 있는 머신러닝이라는 분야의 존재에 대해 알게 되었습니다.

맵 리듀스가 뭔지, 분산 시스템이 뭘 분산시킨다는건지, 의사결정나무(Decision Tree)에서 가지치기는 뭘 가지를 친다는건지... 당최 무슨 소리인지 이해하기 정말 어려웠지만, 꾸역꾸역 구글링을 해가면서 지식을 습득하는 과정은 제가 대학 생활에서 배우는 것이 재미있을 수 있다는 것을 처음으로 알려준 순간이었고, 저는 이때 자퇴를 확실히 결심합니다.

지금 시대와는 다르게, 취직에 대한 걱정으로 전공을 변경한 것은 아닙니다. 놀랍게도 2013년, 2014년의 선배들은 취직을 너무나 잘 하고 계셨고, 지금처럼 문과의 취업난이 통계적으로 가시화되지도 않았던 시기였습니다. 오히려 경영대에서 공대에게 '너는 지방으로 취직할텐데 어쩌냐 ㅋㅋㅋㅋㅋ' 라고 놀리는 문화가 남아있었습니다. 실화입니다. 그런데 저는 그냥.. 제 전공이 너무나 재미가 없었습니다. 그래서 미련없이 떠날 수 있었습니다.

그리고, 입학 후 정신없이 학교를 다녔고, 제가 몸담고 싶었던 분야인 딥러닝쪽으로 나아가기 위해서는 대학원 진학이 필수라고 생각해 석사 과정까지 스트레이트로 다닙니다. 그리고 전공을 살릴 수 있는 회사 중, 가장 오퍼가 좋은 곳으로 입사를 하여 현재 회사에 다니고 있습니다.

이제 입사를 하고 심적으로 여유가 생겨 컴퓨터와 책에서 고개를 들고 정신을 차려보니, 문과의 취직률은 미쳐돌아가고 있습니다. 전통적으로 문과가 강세인 금융권조차 Digital Transformation을 외치며 IT직군 위주로 채용을 진행하고, 생산 공장 또한 스마트 팩토리를 지향하기 시작하며 딥러닝 연구원을 채용하고 있습니다.

실화인가요

저는 그냥 전공이 재미없어서 자퇴를 한건데, 주변 사람들에게는 시대를 앞서본 선지자(?)가 되어 있었고, 남들이 부러워하는 전공과 커리어를 얼떨결에 갖게 되었습니다. 그래서 그런지 주변인들에게 대학원 진학에 관한 상담, 전과에 대한 상담을 정말 많이 받고 있습니다.

그 분들에게 받았던 질문들과 저의 대답들,

그 분들의 대학원 진학 준비를 도와드리면서 가르쳐드린 대학원 준비 방법들,

비전공자의 시야에서 쉽게 풀어쓴 기초 수학, 머신러닝/딥러닝 등의 공학 지식들,

커리어 전환을 성공적으로 도와드린 지인들의 이야기들을 하나씩 써나가려고 합니다.

타 직군으로 커리어 변경을 위해 대학원 진학을 고려하고 있는 직장인분들과

IT 업계로 취직하기 위해 전공 변경이나 대학원 진학을 고려하고 있는 대학생분들이 제 블로그를 보셨을 때 조금이라도 도움을 받아가셨으면 좋겠습니다.