AI대학원 준비하는 방법, 전공자와 비전공자가 먼저 챙길 것

처음엔 이름보다 방향부터 잡는 게 편해요

얼마 전 후배가 AI대학원을 준비한다며 학교 리스트부터 잔뜩 보내왔는데, 이야기를 듣다 보니 정작 본인이 어떤 연구를 하고 싶은지는 아직 흐릿하더라고요. 사실 AI대학원은 간판만 보고 고르기엔 생각보다 분야가 넓습니다. 컴퓨터 비전, 자연어처리, 강화학습, 추천시스템, 로보틱스, 의료 AI처럼 갈래가 꽤 다르고, 같은 AI라는 이름이 붙어도 연구실 분위기와 필요한 역량이 많이 달라요.

처음 준비할 때는 “AI를 배우고 싶다”에서 한 걸음 더 들어가야 합니다. 예를 들어 이미지 데이터를 다루는 게 재미있는지, 문장과 언어 모델이 흥미로운지, 아니면 실제 산업 문제를 풀고 싶은지 정도는 구분해두는 게 좋아요. 이 차이가 자기소개서, 연구계획서, 컨택 메일, 면접 답변까지 전부 이어집니다.

너무 거창한 연구 주제가 없어도 괜찮습니다. 대신 최근 1~2년 사이에 직접 해본 프로젝트나 읽어본 논문을 기준으로 “나는 이런 문제를 더 깊게 파고들고 싶다”는 문장을 만들 수 있어야 해요. 이 한 문장이 준비의 중심이 됩니다.

기초 실력은 생각보다 솔직하게 드러나요

AI대학원 준비에서 가장 많이 착각하는 부분이 “딥러닝 프레임워크만 다룰 줄 알면 되겠지”라는 생각입니다. 물론 PyTorch나 TensorFlow 같은 도구를 써본 경험은 중요합니다. 그런데 면접이나 연구실 미팅에서는 도구보다 기본 개념을 얼마나 이해하고 있는지가 더 빨리 드러나요.

전공자라면 자료구조, 알고리즘, 선형대수, 확률과 통계, 최적화 기초를 다시 확인하는 게 좋습니다. 특히 행렬 연산, 확률분포, 경사하강법, 과적합, 정규화 같은 개념은 거의 기본 언어처럼 쓰입니다. 비전공자라면 한 번에 전부 잡으려 하기보다 Python과 수학 기초, 머신러닝 입문, 딥러닝 구현 순서로 쌓는 편이 덜 흔들립니다.

• Python으로 데이터 전처리와 간단한 모델 학습을 직접 해본 경험
• 선형대수와 확률 개념을 코드와 연결해서 설명할 수 있는 수준
• 대표 모델을 그대로 실행하는 데서 끝내지 않고 성능 변화를 비교한 기록
• 논문 한 편을 읽고 문제, 방법, 실험 결과를 자신의 말로 설명하는 연습

솔직히 처음부터 논문을 술술 읽는 사람은 많지 않습니다. 초반에는 초록, 그림, 실험표만 봐도 버겁습니다. 근데 5편, 10편쯤 읽다 보면 반복해서 나오는 표현과 구조가 보이기 시작해요. 그때부터 연구계획서 문장도 조금씩 자연스러워집니다.

프로젝트는 화려함보다 설명 가능성이 중요해요

AI대학원 지원에서 프로젝트는 거의 포트폴리오 역할을 합니다. 다만 멋진 화면이나 높은 정확도 하나만으로 강한 인상을 주기는 어렵습니다. 교수님이나 연구실 선배가 궁금해하는 건 “왜 이 문제를 골랐는지”, “어떤 기준으로 모델을 바꿨는지”, “실패했을 때 무엇을 확인했는지”에 가깝습니다.

예를 들어 이미지 분류 프로젝트를 했다면 단순히 정확도 92%를 적는 것보다, 데이터가 몇 장이었는지, 클래스 불균형이 있었는지, 어떤 증강 기법을 적용했는지, baseline 대비 얼마나 좋아졌는지를 적는 게 훨씬 설득력 있습니다. 자연어처리 프로젝트라면 단어 단위 모델과 사전학습 모델을 비교했다든지, 평가 지표를 정확도만 보지 않고 F1 score까지 봤다는 식의 설명이 좋습니다.

프로젝트가 1개뿐이어도 깊이가 있으면 괜찮습니다. 오히려 얕은 프로젝트 5개보다, 하나를 잡고 데이터 수집부터 모델 개선, 오류 분석까지 보여주는 편이 더 기억에 남습니다. GitHub에 코드를 올릴 때도 README에 실행 방법만 적기보다 문제 정의, 데이터 설명, 실험 결과, 아쉬운 점을 함께 남겨두면 준비한 티가 납니다.

컨택 메일과 연구계획서는 같은 방향이어야 해요

AI대학원을 준비하다 보면 연구실 컨택을 해야 할지 고민하게 됩니다. 학교마다 분위기가 다르고 전형 방식도 다르지만, 관심 연구실이 뚜렷하다면 정중한 컨택은 도움이 될 수 있습니다. 다만 메일을 많이 보내는 것보다 한 통을 제대로 쓰는 게 중요해요.

좋은 컨택 메일은 길지 않습니다. 보통 자기소개, 관심 분야, 교수님 연구 중 인상 깊게 본 내용, 본인의 관련 경험, 지원 의사를 담으면 충분합니다. 여기서 중요한 건 “교수님의 논문을 읽었다”는 문장을 넣는 데서 끝내지 않는 겁니다. 어떤 문제 설정이나 실험 방식이 왜 흥미로웠는지 한두 문장으로 적어야 진짜로 읽은 느낌이 납니다.

연구계획서도 마찬가지입니다. 너무 큰 주제를 잡으면 오히려 공허해 보일 수 있어요. “AI로 사회에 기여하고 싶다”보다 “의료 영상에서 작은 병변을 놓치는 문제를 줄이기 위해 데이터 불균형과 설명 가능한 모델을 함께 다뤄보고 싶다”가 훨씬 구체적입니다. 완벽한 계획이 아니어도 됩니다. 대학원은 배우러 가는 곳이니까요. 대신 문제의식과 준비 과정은 보여줘야 합니다.

전공자와 비전공자의 준비 포인트는 조금 달라요

전공자는 기본기와 연구 경험을 더 날카롭게 보여주는 게 좋습니다. 수업 프로젝트, 학부연구생 경험, 논문 리뷰, 캡스톤디자인 같은 활동이 있다면 단순 참여가 아니라 본인이 맡은 역할을 분명히 적어야 합니다. “모델 학습 담당”보다 “데이터 전처리 파이프라인을 만들고 ResNet 계열 모델 3가지를 비교했다”처럼 쓰는 편이 낫습니다.

비전공자는 약점을 숨기기보다 전환 과정을 설득력 있게 보여주는 게 좋습니다. 예를 들어 통계학, 산업공학, 물리학, 생명과학, 경영학 배경이라면 오히려 AI와 결합할 지점이 생깁니다. 다만 컴퓨터공학 기초가 부족해 보이지 않도록 Python, 자료구조, 머신러닝 기본 구현 경험은 꼭 채워두는 편이 좋습니다.

• 전공자: 연구실 경험, 논문 이해력, 구현 능력, 수학적 설명력을 강조
• 비전공자: 기존 전공과 AI의 연결점, 학습 이력, 직접 만든 프로젝트를 강조
• 공통: 관심 분야가 지원 연구실과 자연스럽게 이어지는지 확인

면접 준비는 예상 질문을 외우는 방식보다 자기 경험을 다시 뜯어보는 방식이 효과적입니다. 왜 이 모델을 썼는지, 왜 성능이 올랐는지, 왜 다른 방법은 안 썼는지 같은 질문에 막히지 않아야 해요. 모르는 질문이 나왔을 때도 아는 척하기보다 어디까지 알고 어디서부터 모르는지 차분히 말하는 편이 훨씬 낫습니다.

준비 기간은 3개월보다 6개월이 안정적이에요

AI대학원 준비는 단기간에도 가능하지만, 여유가 있다면 최소 6개월 정도를 잡는 게 안정적입니다. 첫 1~2개월은 기초 수학과 머신러닝 개념을 보강하고, 다음 2개월은 프로젝트를 다듬고 논문을 읽는 데 쓰면 좋아요. 마지막 1~2개월은 자기소개서, 연구계획서, 컨택, 면접 준비에 집중하는 흐름이 현실적입니다.

물론 직장인이나 학부 수업을 병행하는 경우엔 속도가 다를 수 있습니다. 그래서 하루 공부 시간을 크게 잡기보다 주당 8~12시간처럼 지속 가능한 기준을 세우는 게 낫습니다. 논문도 하루에 한 편을 끝내겠다고 마음먹기보다, 한 편을 3일에 나눠 읽고 마지막 날에는 10줄 정도로 요약하는 식이 오래 갑니다.

AI대학원은 준비할수록 할 일이 계속 보이는 분야입니다. 그래서 모든 걸 완벽히 채운 뒤 지원하겠다고 생각하면 시작이 늦어질 수 있어요. 지금 가진 경험을 기준으로 관심 분야를 좁히고, 작은 프로젝트라도 직접 끝까지 밀어본 기록을 만드는 것. 결국 그 과정이 지원서와 면접에서 가장 자연스럽게 드러납니다. 이름난 기술을 많이 나열하는 사람보다, 자신이 풀어본 문제를 자기 말로 설명하는 사람이 오래 기억에 남는다고 느낍니다.