2022학년도 봄학기 지원자 지원동기
이번 2022학년도 봄학기에 지원하신 분들의 지원동기들을 간략하게 정리해봤다. (현재 재학생들이 작성한 면접 보고서에 기록된 내용을 바탕으로 했음을 밝힌다.)
1. 컴퓨터 공학 전공자
현재 직장은 개인정보가 담긴 인물 사진이나 차량 사진을 받아서 개인정보를 모자이크 처리하는 일을 하는 곳이다. 프로젝트를 진행하다보니 기본 원리나 알고리즘에 대해서 전혀 관심이 없고, Github 코드를 가져다 파라미터만 바꾸어 사용하는 상황이었다. 통계와 수학적인 지식을 바탕으로 데이터를 처리하는 방법에 대한 근본적인 이해가 필요하다고 생각하는 와중에 파비블로그 글을 읽게 되었다.
사실 회사를 그만두고 통계학 과정을 더 공부하려는 계획을 가지고 있었으나, 파비블로그 글에서 대표님이 수학과 통계에 대한 논리적인 이해를 바탕으로 한 데이터 사이언티스트 양성에 신념을 가지고 주장하시는 것을 보고 지원 결심을 하게 되었다.
블로그를 2019년부터 자세히 읽어서 학교 설립 취지를 이해하고 있다. 한국의 수준 낮은 데이터 사이언스 교육과 차별화 하는 것이 목표이며, 소위 AI라고 알려진 그냥 라이브러리를 가져다 코딩하는 낮은 수준의 교육이 아니라, 근본적인 이해를 바탕으로 한 수준 높은 교육을 제공하는 것이 목표라고 알고 있다. 특히, 교과서 수준의 지식이 아니라, 현실 적용을 고민하신 커리큘럼이 딱 적합하다고 판단했다.
2. 재료공학 + 변리사
외부의 학위과정을 찾아봤지만, 단순히 머신러닝 전문가 양성이라는 말만 그럴싸하게 피상적인 레벨이고 제대로 본인의 니즈에 맞는 과정인지 알기 어려운데, SIAI는 철학이 있다는 것을 파비블로그를 통해 강하게 느낄 수 있었다.
전략 컨설팅의 실패와 머신러닝의 관계 라는 포스트가 현재 변리사 업무와 굉장히 닮아있다. 데이터 사이언티스트로 업무를 진행하는 방식이 현실의 문제를 어떻게 추상화하는지, 그래서 현재 컨설팅 회사의 수행 업무들이 어떤 한계점에 봉착해있는지 이해할 수 있었다.
특히, 고객 중에서도 특허 원리를 모르면서 머신러닝/딥러닝을 만능열쇠 (& 블랙박스) 로 여기는 사람들이 많아, 학교 설립 취지에 크게 공감한다.
MBA 커리큘럼 소개글 중, “수학으로 쓰인 지식을 누구한테 번역해달라고” 할 수는 있어야 된다, “그 번역물을 정보 손실을 최소화하면서 알아들을 수는 있어야” 된다는 표현들에 크게 공감이 됐다.
3. 통계학 및 머신러닝 전공자 – 현재 벡엔드 개발자
Cobb-Douglas 함수에 Log를 취한 다음, 일반적인 회귀분석으로 얻어낸 상관계수를 이용해서 실제로 노동조합과 사측이 연봉 협상을 벌이는 글을 보고 엄청난 충격을 받았다. 통계학을 교과서로만 배웠고, 지식이 부족한데, 정말로 이렇게 현실 문제를 풀어내는데 쓸 수 있다는 것에 놀랐고, 나도 그렇게 쓸 수 있는 사람이 되고 싶다.
회사 안에서 A/B Test를 하는데, 다들 대용량 데이터 모아서 ML 돌리는 생각만 하고 있지, 파비클래스에서 이야기하는대로 random sampling이 제대로 되었는지, multi-period로 모델이 확장되는 상황이 있는지, Underlying 분포함수가 Poisson일 수도 있는데, 그런 고려는 안 하는지, N_1, N_2를 나눠주는 비율에 따라 test stat에 영향을 주는 부분에 대한 고려는 있는지 같은 사항들이 전혀 언급이 되질 않더라.
학부 유학파라 석사도 미국을 갈 생각했지만, 현실적인 사정상 국내에 있어야 하는데, S대를 비롯한 국내 유명 대학 AI/DS 과정들은 코딩 베이스로 돌아가고 있는 반면, SIAI 교육은 수학적이면서도 실용적인 밸런스가 굉장히 잘 갖춰져 있어, AI 박사 커리어를 생각하지 않는 입장에서 MBA AI/BigData가 매우 적합한 과정이라고 판단하게 됐다.
4. 화학 전공 + S대 MBA
회사에서 “빅데이터” 업무에 배정된만큼, DS 관련 수업들을 회사 지원금으로 들었지만, 간단한 케이스 예제와 데이터 시각화 정도인 탓에 기대치를 충족시키지 못했다. 학부시절에도 공부한 내용을 연구실에 가면 써먹을 줄 알았는데, 다들 Trial-and-error만 반복해서 실망이 컸다.
대전 K대 출신인만큼 학교에서 제공해주는 DS 강의를 들었는데, 수업을 듣는 동안 이걸 들어서는 파비블로그에서 말하는, 현실 세계의 문제를 수학적으로 추상화한 다음, 논리적인 사고로 문제를 풀어내는 능력을 갖출 수 없겠다는 것을 깨달았고, 교수님이 CS 출신이라는 것을 보고 바로 자교 AI대학원을 가는 것을 포기했다.
S대 MBA 과정 수업은 좋았지만, 마케팅 수업에서 배운 내용이 도대체 어디에 어떻게 쓰이는지, 답답한 마음을 갖고 있었다. 문제를 풀어나가는 능력을 기른다는 관점에서, 학위 과정 전체에서 얻은 경험치를 다 합해도 파비블로그 글을 2번 읽는 동안 얻었던 “Fundamental Theory and Logical Thinking” + 직관적인 이해보다 부족하다고 생각한다.
파비블로그 + SIAI 컨텐츠는 딥러닝을 프로젝트에 쓰려고 검색 중에 발견하게 되었는데, 제대로 데이터에 맞춰 모델을 만드는게 아니라, 그냥 붙여넣고 보려는 자신에 대해 부끄러움을 느끼고 제대로 공부하려는 생각에 지원하게 되었다.
5. 경제학 전공 + 금융업 종사
회사에 통계학 전공자들의 영향을 받아 알게 되었고, 그간 파비클래스 수업들을 다 들었다. 회사에서도 통계학 석박사 분들은 이런 교육을 찾아서 들어야 한다고 권장하는 편이다. 다른 부서에서는 아무 생각없이 딥러닝을 돌리는 경우도 있는데, 그런 부서로 가면 안 된다고 생각하고, 거꾸로 그 사람들에게 왜 잘못되었는지 설명하는 능력을 갖춰야 겠다고 생각 중이다.
고객사나 보스들 중에 딥러닝 마니악들이 많은데, 심지어 단순 로지스틱 회귀보다 못한 딥러닝 모델을 갖고 있더라.
S대 공대 연구실에 잠깐 있던 시절, S대 뿐만 아니라 대전 K대 출신들도 만나봤는데, 다들 통계 패키지만 돌릴 줄 알지, 제대로 무슨 계산을 해야하는지 모르고 있었다. 해외 데이터 사이언티스트를 만나보니, 한국은 시각화만 생각하지 통계학을 아예 모르는채로 일하는거 같더라고 무시(?) 하더라.
회사에 국내 대학원을 지원해주는 프로그램이 있는데, 다녀본 윗 분들 이야기를 들어보면, 그런 곳에서는 그냥 통계 패키지 사용하는 거 몇 번 해 보는게 다인 수준에, 주로 인간관계를 목적으로 다니는 사람들이 많아서 좋지 않다고해서, 국내에는 수준 높은 교육을 하는 대학원이 부족하다고 생각하고 있다. 해외 대학원이라 회사 지원을 못 받기는 하지만, 그래도 이왕 가는거면 제대로 배워야 한다고 생각하고 SIAI에 지원했다. 도구 변수를 이용해서 회사 업무 중 불가능해 보였던 문제를 풀어내는 SIAI 시험 문제를 보고 충격을 먹었었는데, 꼭 배워서 활용해보고 싶기는 하지만, 사실 수준 높은 SIAI의 교육을 따라갈 수 있을까 걱정이 앞서기는 한다.
6. 응용 수학 전공자
4-5달 전부터 데이터 사이언스 석사 과정 검색을 하다 SIAI를 발견하고 미국과 한국에 있는 여러 대학들을 비교해 본 끝에, 수학적인 극단과 코딩 극단의 양쪽 사이에 적절한 밸런스를 갖춘 희귀한 프로그램이라는 걸 이해하게 됐다. (미국 명문대 학부 출신)
사실 당장 회사 업무에 DS 지식을 급하게 써야하는 상황은 아니지만, 이걸 제대로 알아놔야 앞으로도 능력자로 인정 받을 수 있을 것 같고, 무엇보다 비지니스 적용을 위해 수학을 쓴다는 관점이 쉽게 볼 수 있는 교육 과정이 아니라서, 평소에도 논리적인 사고력이 부족한 것 같은데, 본인의 부족한 점을 극복할 수 있는 기회라고 생각한다.
7. 경영학과 출신
막연히 공대 수업만 쫓아다녔는데, 코드 복붙만 하는 거 같아 이상하다는 생각에 구글 검색을 하던 중에 파비블로그를 발견하게 됐다. 블로그를 가이드라인 삼아 혼자 공부를 해 봤는데, 수학적 직관이나 통계학적 응용능력이 부족해서 힘들었다.
다른 대학에서의 수업은 프로그래머의 직관, 경험에 맡기던 부분을, 파비블로그에서는 통계적으로, 주로 계량경제학적인 부분으로 설명하더라. 그 내용을 다 이해할 수준은 되지 않지만, 그런 지식을 더 쌓는 훈련을 받고 싶다. 시험 문제를 유심히 본 적이 있었는데, 내용적으로는 친근하고 현실의 문제라는게 이해되는데, 실제로 풀려고하니 손을 대기가 어렵더라. 그런 문제를 시험으로 내는 만큼, 수업 장식이 새로울 것으로 기대되고, 그만큼 적응하기는 어렵지 않을까 좀 걱정도 된다.
상관관계와 인과관계를 설명하면서 상어와 아이스크림 판매량 비유한 글이 있었는데, 평소에도 둘의 차이를 구분 못하는걸 많이 봤기 때문에 기억에 강하게 남아있다. 학부에서 현실 세계의 문제에 적용하는데 괴리가 있는 교육이 아니면 단순히 패키지의 기본적인 사용 방법을 가르치는 학원 수업 정도만 봐왔는데, SIAI에서는 논리와 직관에 주안점을 두고 가르친다고 들어서 기대(와 따라갈 수 있을지 우려)가 크다.
8. 경제학 + 금융업
DS 공부를 대부분은 IT전문학원에서 하는데, 대학에서 회귀분석을 배울 때도 어려워서 좌절한 적이 있었는데, IT학원에서 제공하는 수준으로는 답이 안 된다고 생각한다. 대표님 글을 보면, 생각하는 방식부터가 차이나는게 보여서, 여기 교육을 들어야 생각의 틀이 잡힐 것이라고 생각한다.
대표님의 글을 보면 접근 방법이 매우 친숙하고 공감이 가는게 많아서 자주 파비블로그를 읽는다. 가장 인상 깊었던 글은, 경제학에서 머신러닝, 딥러닝에 대한 관점을 논한 글이었는데, 딥러닝이 필요하고, 성능이 나오는 분야가 한정되어 있다는 걸 정확하게 짚어주셔서 이해도가 크게 올라갔었다. 또 앙상블을 무턱대고 결합하는 경우에 각 모델의 오차가 더해져서 오차가 증폭된다는 글을 보며, 딥러닝 매니악들과 반대로 이론적 토대를 가진 접근 방법이라서 꼭 공부해야겠다고 생각한다. 그런 내용을 알아야 실제로 배운 것을 업무에 활용할 때 설명, 검증이 될 텐데, 그런 것에 대해서 확신을 주는 글들이 많았다.
9.신소재/나노 공학
굳이 딥러닝을 사용하지 않아도 통계, 수학으로 충분히 커버 가능한 문제들이라는 것을 이해할 수 있는 전문가가 부족한 것 같다. 그런 R&D 과제 참여자들이 없고, R, 통계 패키지 돌렸다는 이야기만 한다. A 문제가 생겼으니 a라는 모델링을 해 보자고 말할 수 있어야 되는데, 모르니까 그냥 딥러닝으로 돌려보자고들 해서 답답하더라.
기본 통계학 수업들만 들은 상태기 때문에, SIAI의 Math & Stat 과목들에 특히 관심이 많고, 데이터 프로세싱을 어떻게 하는지 궁금하다. 회사가 보유하고 있는 데이터는 많은데, 현업에서 제대로 문제를 풀어낼 수 있는 사람들이 없다. 어떤 시각으로 바라볼 수 있는지 배우고 싶었다.
다른 대학원은 커리큘럼만 봐도 실제 현실 적용과는 동떨어진 경우가 많고, 학원의 경우 프로그래밍을 강조하는 내용이 대부분이더라. 파비블로그를 통해 접한 SIAI의 커리큘럼과 유사한 과정은 찾지 못했다. 특히, 딥러닝은 패턴이 강할 때 사용하는데, 데이터가 선형성을 따른다면 굳이 딥러닝을 쓰지 않아도 효율 좋게 문제를 풀 수 있다는 내용이 기억에 남는다.
10. 생명공학 학/석 전공자
딥러닝이 가장 열등한 모델인데? 라는 글을 보고, 사람들에게 미지의 모델이라 무조건적인 믿음이 있던 부분이 많이 깨졌다. 글을 보면서, 막무가내로 모델을 적용하는 것이 아니라, 기초통계학을 배우는 것이 중요하다는 것을 느꼈다.
사내 연구소에 근무하고 있는데, 실험 데이터 모으는 1차원적인 작업은 잘 진행되고 있지만, 실험마다 오차가 크고, 해석이 정량적이지 않아서, 제대로 뭔가 심도있게 분석을 하는 것은 없는 상태다. 제대로 된 모델링을 해 보고 싶은데, 커리큘럼이 좋고 직장을 병행할 수 있어서 지원하게 되었다.
현업이 데이터 분석 업무인데, 거의 모든 직원이 데이터 분석에 대한 전문성이 없다. 2019년도까지는 딥러닝을 이용해서 미생물 실험에서 생기는 데이터 기반 예측하는 연구들이 조금 있었는데, 그 뒤로는 없어졌고, 그 이유를 알아보니 그렇게 모델을 만들어서 예측한 것들이 잘 맞지 않아서 더 이상 많은 연구가 없었다고 한다. 실험 연구자들이 실험 관련 지식은 많으나, 그 결과를 분석하는 통계 지식은 별로 없기 때문이라고 생각한다. “그냥 데이터를 많이 때려 넣으면 예측이 잘 되는 것”이 아니라는 대표님 말에 공감한다.
해외 대학원이다 보니, 온라인으로 밖에 수업을 할 수 없다고 생각하고, MBA 과정은 배우고 싶은 직장인들에게 접근성을 높여주기 위해 더욱 온라인으로 진행하시는거라고 짐작하고 있다. 모교에서 직장인 대상 통계 대학원을 갈까 생각도 했으나, 거리도 있고, 커리큘럼을 비교해보니 SIAI MBA 과정이 월등해 보여서 여기서 공부하면 정말 좋을 것 같다고 생각하고 있다.
눈에 띄는 10개를 뽑았는데, 다들 그간 파비블로그에서 공유되었던 지적들에 크게 공감한 상태에서 학교를 지원한 것 같다.
우리 방식 교육을 겪어본 적이 없으니 딱히 국내 학벌이나 전공으로 자를 생각은 없고,
면접 중에 Red flag이 올라온 분들에 대해서만 좀 더 내부 의견을 공유한 다음에 합/불 통보를 드리면 될 것 같다고 생각 중이다.
못 따라 오거나, 중간에 포기하거나 그럴거 같아서, 괜히 시간과 돈만 날릴 것 같아서 좀 찜찜하거든.
그리고 가능하면, 의지가 있는 분들에게 양질의 교육을 공급해 줄 수 있도록 어지간하면 문을 열어드리려고 한다.
어차피 아무나 지원하는 학교는 아니고, 저 위에 10명 중에 국내 최상위권 AI/DS 대학원 지원해서 떨어질 분은 안 보인다.
(다들 잘난 분들이다 ㅋㅋ)
그나저나 공대에 이렇게 B형 사고를 갖춘 분들이 많은데, A형들만 만났다고 biased된 샘플만 놓고 불만을 강하게 표현하는 블로그에
상처 입으신 B형 공대 분들께 고개 숙여 사과드린다.
모쪼록 우리 SIAI와서 좋은 교육을 받고 A형들에게 깨우침을 널리 전파해 주시면 좋겠다.
