연구직에 종사할 수 있는 가능성이 크게 증가합니다. 일반적으로 연구소나 사업부 내 연구직의 경우, 석/박사 학위 소지자로 제한하는 경우가 많습니다. 물론 타 직군에서 연구직무로 전환하거나 충분히 경력을 쌓아 연구직을 지원할 수 있으나, 선발 인원이 많지 않고 학위 기간에 비해 많은 경력을 요구하기에 변경이 쉽지 않습니다.
물론, 석/박사 학위 졸업 후 추가 경력이나 공부 내용에 따라 일반개발직이나 기획업무 등으로 지원도 가능하고, 오히려 전공자가 아닌 분들 대비 특화된 장점이 있기 때문에 선호하는 경우도 있습니다. 향후 직무 선택의 폭이 넓다는 점 역시 대학원 학위의 장점이라고 할 수 있겠습니다.
Q2. 인공지능 개발과 연구는 무슨 차이가 있나요?
인공지능 개발은 현존하는 기 개발된 AI 서비스의 API나 주어진 데이터를 활용하여, 사용 대상자들이 손쉽게 서비스에 접근하게 돕고 개발된 기술이 안정적으로 운영 될 수 있도록 작업하는 경우가 많습니다. 반면, 인공지능 연구는 현재까지 개발되지 않은 새로운 AI 모델을 만들어야 하거나 기존 AI 모델의 성능이 부족해 성능 향상을 이뤄야 할 때, AI 모델에 대해서 탐구하고 새로운 AI 모델을 만들어내는 일입니다.
보통 대학원에서는 인공지능 연구를 수행하게 되며, 인공지능 개발은 연구과제를 수행하면서 일부 경험할 수 있습니다만 대학원에서의 주 목적은 아닙니다.
당연히 두 업무를 명확하게 구분하기는 어렵고, 일부 혼재되는 경우가 흔합니다. 다만, 최근 다양한 인공지능 기반 코딩 개발 툴로 인해 인공지능 개발 효율성이 극대화되어, 인공지능 연구자가 데모 서비스나 큰 규모의 기획을 수행하는 경우가 많아지고 있습니다.
한 단계 더 넓은 연구직 선택이 가능하다고 보시면 되겠습니다. 특히, 실적에 따라 국책연구소나 교수직으로의 지원이 가능하며, 사기업 선택 시 경력직으로 입사하여 신입으로 입사한 분들에 비해 팀을 이끄는 리딩 역할을 맡을 가능성이 매우 높아집니다. 이러한 리딩 기회 덕분에 동일한 경력(대략 3~4년)의 신입 입사자에 비해 승진 기회가 더 빠르게 주어지는 경우가 많으며, 직무 전환의 기회도 더 많이 주어지는 편입니다.
석사학위자는 신입채용 대상자이기 때문에 학부졸업자들과 동일한 선상에서 평가받게 됩니다. 따라서, 석사과정 중 수행한 과제나 논문실적과 함께, 학부학교, 학부성적, 학부전공 등에 대한 평가 점수가 큰 편입니다. 반면, 박사학위자는 학부 관련된 내용보다는 석/박사 학위 과정 중 이뤄낸 전공 전문성과 실적을 위주로 회사 업무와의 적합도를 많이 따지게 됩니다.
흔히 박사 학위를 따기 전에 할 수 있는 오해입니다. 박사학위자는 짧게 보면 학위 과정 중 수행한 연구 주제에 대해서 전문성을 갖춘 인력이지만, 장기적으로 보면 주어진 새로운 문제를 탐색하고 효율적인 해결 방법을 찾아나가는 전문가이기도 합니다. 박사학위는 특정 연구 내용에 대한 실적이나 인정으로 주는 것이 아닌, 특정 연구 분야에 대해서 독립적인 연구자로서 문제를 해결할 능력이 된다는 일종의 증명에 가깝습니다.
10~20년 전 박사학위를 받으신 그리고 지금은 아마도 사라졌을 연구 분야를 전공했을 분들이 각자의 원래 전공과 상관없는 분야에서 여전히 리더 업무를 맡고 임원직에 계신다는 점을 보면 쉽게 이해하실 수 있습니다.
중앙대학교에서 자랑하는 영상예술과 공학을 융합하여 1999년 설립된 새로운 학문 단위 입니다. 약 20명의 전임 교원으로 이루어져 있으며, 절반은 저와 같이 인공지능이나 영상처리, HCI, XR 등 공학 분야를 연구하는 교수님들이고, 또 절반은 영화제작, 애니메이션제작, 영상예술, 미디어아트 등 실제 영상예술을 전공하는 교수님들입니다. 융합연구를 수행하기도 하고 각자 하고 싶은 연구를 수행하면서 자유롭게 연구하고 있습니다.
두 학문의 융합으로 일궈낸 실적들을 기반으로, 메타버스대학원 지원사업, OTT대학원 지원사업 등 다양한 대학원 지원사업을 수주하고 있고, BK21은 1차부터 4차까지 모든 차수의 과제를 수주해 우수한 역량을 자랑하고 있습니다.
학생 입장에서는 일반대학원과 차이가 없습니다. 교수님들 입장에서 조금 차이가 있으며, 전문대학원에 소속된 교수님들은 대학원 운영만 담당하고 학부를 별도로 관리하지 않습니다. 그 외에 연구분야나 학생들이 수행하는 공부는 동일합니다. 대표적으로 의학전문대학원이나 법학전문대학원, 서울대 데이터사이언스대학원 등이 있습니다.
오히려 학생 입장에서는 교수님들이 대학원생들에게 집중할 수 있어, 더 많은 지도와 혜택을 받을 수 있다는 장점이 있습니다.
파트타임으로 구성된 특수대학원과 달리, 대부분의 대학원생이 풀타임으로 공부합니다.
저희 연구실에 입학하게 되면, 석사과정 기준으로 "컴퓨터비전/딥러닝 스터디 > 개인 연구 주제 탐색 > 탑티어 AI 컨퍼런스 학회 논문 제출 > 해당 내용으로 졸업심사"의 순서를 밟게 됩니다.
컴퓨터비전/딥러닝 스터디의 경우, 설령 관련 공부를 했더라도 다시 원리부터 공부하는 습관을 들이도록 저와 매주 스터디를 진행합니다. 스터디는 컨택이 완료되면 학생의 희망에 따라 입학 전에도 시작할 수 있습니다.
개인 연구 주제 탐색의 경우, 연구실에서 수행하는 연구 주제를 선택해도 되고 본인이 하고 싶은 연구가 있다면 얼마든지 선택해도 됩니다. 다만, 논문으로 쓸 수 있는 주제를 찾는 것은 처음엔 매우 어려운 일이기 때문에 저와 수시로 미팅을 진행하며 탑티어 급 논문으로 쓸 수 있는 주제를 탐색합니다.
탑티어 AI 컨퍼런스 학회 논문 제출의 경우, 앞서 탐색한 주제를 구현할 수 있는 AI 모델을 만들고 논문을 작성하는 단계입니다. 저와 사수 박사과정이 함께 논의하며 탑티어에 제출할 수 있는 수준의 논문을 작성하고 제출합니다.
박사과정은 탑티어 AI 컨퍼런스 제출 과정을 2~3번 추가로 진행하고, 해당 내용을 탑티어 AI 컨퍼런스 혹은 저널에 마무리하는 것을 목표로 하고 있습니다.
저희 연구실은 기본적으로 1인 1과제 원칙을 갖고, 각자 한 가지 R&D 과제를 수행하게 됩니다. 이는 홈페이지 내 프로젝트 페이지에서 확인하실 수 있으며, 산학협력, 국가 R&D 과제 등 다양한 과제가 있습니다. 보통 1개 과제에 3~4명의 인원이 함께 참여하고 있습니다.
위 과제를 수행한 데 대한 보상으로 장학금과 인건비를 지원해드리고 있습니다. 명확한 금액은 매학기 조금씩 바뀌고 있으나, 최대한 과제를 수주하여 대학원 등록금과 생활비가 지원될 수 있는 수준을 유지하려고 하고 있습니다.
연구실 서버의 경우, 석사과정은 RTX3090 급, 박사과정은 A6000 급 개인 서버를 할당해드리고 있으며, 그 외에 A100, A6000, Pro6000 등의 공용 서버에 GPU가 약 30장 가량 있어 필요에 따라 사용할 수 있습니다.
그 외에 탑티어 학술대회나 저널 논문 게재 시 인센티브를 드리고, 탑티어 학술대회 억셉 시 출장비를 지원해드립니다.
언제든 제 메일 (choijw@cau.ac.kr)로 컨택 메일을 보내주시면 됩니다. 보통 대학원 면접 일정 3~4개월 전에 컨택을 주시는 편이고, 그보다 빨리 주시는 분들도 많습니다. 빨리 주실수록 유리합니다.
저희 연구실은 SW/AI 전공 학생들도 있지만, 새로운 도메인에서 SW/AI를 접목하려는 분들도 선호합니다. 다만, 와서 SW/AI를 단순히 배워보려는 분들보다는 혼자서 각자의 분야에서 SW/AI를 접목하려는 노력을 해보다가 도움이 필요한 분들을 더욱 선호합니다.
박사과정의 경우, 연구실 내 석사과정이 진학하는 경우가 많고 티오가 충분치 않아서 내부 학생들을 우선하여 선발합니다.