인공지능학과

Difficulty: High• 수학과 코딩의 지옥 맛 철인 3종 경기

인공지능학과

Department of Artificial Intelligence

데이터라는 원석을 수학과 코딩으로 깎아내어, 기계가 스스로 생각하고 판단할 수 있는 지능을 불어넣는 창조적인 여정이에요.

Philosophy

"기계가 생각할 수 있는가? 라는 질문은 잠수함이 수영할 수 있는가? 라는 질문과 같다. (에츠거 다익스트라)"
Core Concept
최적화

Trending

Toolkit

  • 파이썬
    파이썬메인 프로그래밍 언어
    AI 생태계의 절대강자입니다. 문법이 간결하고 방대한 AI 라이브러리를 지원해요. 숨 쉬듯이 익숙해져야 합니다.
  • 파이토치
    파이토치딥러닝 프레임워크
    연구와 논문 구현에 가장 많이 쓰이는 프레임워크예요. 코드가 직관적이고 디버깅이 편해서 학계와 현업 모두에서 사랑받죠.
  • 텐서플로우
    텐서플로우딥러닝 프레임워크
    구글이 만든 강력한 도구로, 특히 모델을 모바일이나 웹으로 배포(Production)할 때 강력한 생태계를 자랑해요.
  • 사이킷런
    사이킷런머신러닝 라이브러리
    딥러닝 이전의 전통적인 머신러닝 알고리즘을 아주 쉽게 사용할 수 있게 해주는 필수 도구입니다.
  • 판다스
    판다스데이터 분석 및 전처리
    엑셀이 하는 모든 일을 코드로 한다고 보면 돼요. 데이터를 표 형태로 자르고, 붙이고, 정리할 때 없어서는 안 됩니다.
  • 주피터 노트북
    주피터 노트북대화형 개발 환경
    코드 한 줄 실행하고 바로 결과를 확인하며 그래프도 그릴 수 있어서, 데이터 분석과 실험용으로 최고예요.
  • 구글 코랩
    구글 코랩클라우드 개발 환경
    비싼 GPU가 없어도 구글 서버를 빌려 무료로 AI 학습을 돌려볼 수 있는, 가난한 학생들의 구세주입니다.
  • 허깅 페이스
    허깅 페이스AI 모델 및 데이터셋 허브
    AI 계의 깃허브라고 불려요. 전 세계 최신 모델과 데이터셋이 공유되는 곳이니 수시로 들어가서 트렌드를 확인하세요.
  • 도커
    도커컨테이너 가상화
    내 컴퓨터에서는 되는데 서버에서는 안 되는 문제를 해결해 줘요. 개발 환경을 통째로 포장해서 배포하는 도구입니다.
  • 깃 & 깃허브
    깃 & 깃허브버전 관리 및 협업
    코드를 저장하고 관리하는 개발자의 기본 소양입니다. 프로젝트 포트폴리오 관리도 여기서 이루어지죠.
  • 완디비
    완디비실험 관리 및 시각화
    모델 학습 과정을 그래프로 예쁘게 보여주고 기록해 주는 도구예요. 실험 결과를 정리할 때 정말 유용합니다.

Career Paths

연구 및 개발 (R&D)
대기업 AI 연구소, 테크 기업, 대학원
데이터 및 인프라
IT 기업, 금융권, 제조업, 클라우드 기업
응용 및 서비스
스타트업, 자동차 산업, 서비스 플랫폼 기업
전략 및 컨설팅
컨설팅 펌, 공공기관, 대기업 전략기획실

RoadmapStep-by-step

Level 1

기초 체력 다지기 (수학과 프로그래밍)

건물을 높게 쌓으려면 지반이 단단해야 해요. 인공지능은 결국 수학이라는 언어로 쓰인 프로그램입니다. 이 시기에는 코딩의 문법을 익히는 것뿐만 아니라, 행렬과 미분이 AI에서 어떻게 쓰이는지 감을 잡는 게 정말 중요해요. 지루해도 꾹 참아야 하는 시기랍니다.

Key Modules
파이썬 프로그래밍
미적분학
선형대수학
확률과 통계
Level 2

컴퓨터 과학과 데이터의 이해

이제 컴퓨터에게 일을 시키는 효율적인 방법을 배울 차례예요. 데이터를 어떻게 저장하고 꺼내 쓸지, 그리고 가장 빠른 길은 무엇인지 고민해야 합니다. 또한 머신러닝의 아주 기초적인 개념들을 맛보면서 '기계가 배운다'는 게 무슨 뜻인지 깨닫게 될 거예요.

Key Modules
자료구조
알고리즘
데이터베이스
인공지능 개론
Level 3

머신러닝과 딥러닝의 심화

본격적인 전공의 꽃입니다. 전통적인 머신러닝 기법부터 최신 딥러닝 신경망까지 깊게 파고들어야 해요. 단순히 라이브러리만 가져다 쓰는 'API 콜러'가 되지 않으려면, 수식 하나하나가 코드 한 줄로 어떻게 변환되는지 집요하게 파고들어야 합니다.

Key Modules
머신러닝
딥러닝
컴퓨터 비전
자연어 처리
Level 4

실전 응용 및 전문화

이제 여러분만의 무기를 갈고닦을 때입니다. 남들이 만든 예제 데이터가 아니라, 세상에 있는 지저분한 실제 데이터를 가져와서 프로젝트를 진행해 보세요. 최신 논문을 읽고 구현해 보거나, MLOps를 통해 서비스를 배포해보는 경험이 취업과 진학을 가릅니다.

Key Modules
강화학습
생성형 AI 모델링
MLOps 및 클라우드 컴퓨팅
캡스톤 디자인

Challenges& Reality Check

🤔
수학의 벽
"인공신경망의 역전파 과정을 수식으로 증명하려 할 때"
분명 컴퓨터 배우러 왔는데, 하루 종일 수학 문제만 풀고 있는 자신을 발견하게 됩니다. 시그마와 미분 기호가 난무하는 논문을 보면 현기증이 날 수 있어요.

완벽한 수학자가 될 필요는 없어요. 수식이 코드상에서 '어떤 형태(Shape)'로 변하고, '어떤 의미'를 갖는지만 파악해도 충분해요. 포기하지 말고 개념 위주로 접근해 보세요.

🤔
환경 설정 지옥
"CUDA 버전, 라이브러리 버전이 서로 안 맞아서 에러가 날 때"
코드는 짠 적도 없는데, 개발 환경 세팅하다가 3일 밤을 새웁니다. 'No module named...' 에러를 보면 컴퓨터를 부수고 싶을지도 몰라요.

이건 시니어 개발자도 겪는 일이에요. Docker나 Conda 가상환경을 적극적으로 활용하는 습관을 들이고, 에러 로그를 차근차근 읽는 인내심을 기르세요. 이 과정 자체가 실력입니다.

🤔
끝없는 기다림과 허무함
"일주일 동안 모델을 학습시켰는데 성능이 엉망일 때"
전기세 내며 며칠을 돌렸는데 결과가 좋지 않으면 정말 허탈하죠. 코드가 틀린 건지, 데이터가 문제인지, 파라미터가 잘못된 건지 알 수 없어 막막합니다.

처음부터 큰 모델을 돌리지 마세요. 작은 데이터로 빠르게 실험해서 가능성을 먼저 확인하는 '프로토타이핑' 능력을 길러야 시간을 아낄 수 있어요.

🤔
미친듯한 발전 속도
"어제 공부한 최신 기술이 오늘 구형 기술이 되어버릴 때"
매일 아침 쏟아지는 아카이브(ArXiv) 논문들을 보면, 내가 배우는 게 의미가 있나 싶고 뒤처진다는 불안감(FOMO)이 엄습합니다.

모든 것을 다 따라잡을 순 없어요. 트렌드는 변하지만 '기본 원리(기초 수학, 통계, 코딩)'는 변하지 않습니다. 뿌리를 단단히 하면 새로운 기술도 금방 흡수할 수 있으니 중심을 잡으세요.

🤔
하드웨어의 한계
"내 컴퓨터 사양으로는 최신 모델을 돌려볼 시도조차 못할 때"
'Out of Memory' 에러가 뜨면 돈 없는 서러움을 느낍니다. 좋은 GPU는 너무 비싸고, 학교 서버는 예약이 꽉 차 있죠.

구글 코랩, 캐글 커널 같은 무료 리소스를 최대한 활용하거나, 모델 경량화(Quantization) 기술에 관심을 가져보세요. 제약된 환경에서 성능을 내는 것이 진짜 엔지니어의 능력입니다.