
인하대학교 공학대학원 인공지능융합 전공
3년간의 사투 끝에 드디어 졸업을 했습니다.
보통 2년 과정이긴 하지만
중간에 휴학을 1년해서 3년이 걸렸네요.

사실 저와 같은 개발자
혹은 IT 업종에 종사하시는 분들께서
자기계발을 위해 석사 과정을
많이 고민하시는 걸로 압니다.
아마 이 글을 보시는 분들도
그런 고민이 있으신 분들이 대부분일거라 생각해요.
그래서 제가 공학대학원을 다니게 된 계기와
과정, 이후 현실에 대해 진솔하게 얘기해보고자 합니다.
1. 일반대학원이 아닌 공학대학원을 선택한 이유
공학대학원은 다들 아시다시피 야간에 수업이 진행되는 특수대학원 형태입니다. 저의 경우 서울에 있는 9군데 학교의 면접을 봤었고, 합격한 곳은 4곳이었으며 그 중에서 커리큘럼과 교수진, 등록금, 환경 등 모든 것을 고려해서 선택한 곳이 바로 인하대학교 공학대학원입니다.
아래 링크는 특수대학원들 면접 후기를 적어놓았습니다.
https://dalsoon-jang.tistory.com/117
음... 저도 처음부터 특수대학원을 생각한 것은 아니었습니다. 아무래도 직장인 신분이었기에 일반대학원의 파트타임 석사를 먼저 알아보고자 교수님들께 컨택 메일을 보내기도 하였지만, 알아보면 알아볼수록 직장인 신분으로 한계가 명확하다 생각했고 함께하는 학생들에게 민폐가 될 가능성이 컸기 때문에 등록금이 좀 더 들더라도 특수대학원이 낫겠다 싶어서 선택하게 되었습니다.
석사 과정을 하기로 마음 먹은 이유는 사실 단순했습니다. 회사 동료가 한다길래... 알아보다가 가족들과 의논하게 되었고 다들 권하는 분위기(?)여서 하게 되었어요. 모르는게 약이라고 아무것도 모를 때 확 시작해버리는게... 제일 좋은 시작점이기도 한 것 같습니다. 하다보니 알았죠... 아 이거 보통일이 아니구나^^...
2. 공학대학원, 현실에서 인정해주는가?
특수대학원은 석박 과정에 조금이라도 경험이 있거나 관심이 있으신 분들은 아실거에요. 아무래도 풀타임으로 연구하는 일반대학원에 비해 특수대학원을 인정해주는 정도가 조금 다를 수는 있습니다. 이 부분 때문에 다들 회사를 그만두고 일반대학원 석박을 선택하시는 분들도 많으실테니까요.
그런데 개인적으로 경력과 금전(?), 학력 세 마리의 토끼를 놓칠 수 없는 분들께는 특수대학원이 그리 나쁜 선택지는 아니라는 말씀을 드리고 싶습니다. 사실 온라인 상에는 '특수대학원 가지 마세요' 이런 얘기들이 넘쳐나는데요... 인터넷에 떠도는 남의 말만 듣고 혹시나 이 길을 걷게되면 손해일까봐 '도전 조차 하지 않는 것'이 더 좋지 않은 선택이지 않을까... 생각합니다. 특수대학원에서도 본인이 하는 만큼 충분히 공부할 수 있습니다. 여기서 '본인이 하는 만큼'이 무엇인지는 아래 3번 항목에서 더 서술해보겠습니다.
본론으로 돌아와서 현실에서 특수대학원의 석사 학위, 인정해주는가? 에 대해서 말씀 드려보자면 솔직히 이제 막 졸업해서 잘 모르겠습니다. 그렇지만 하나 분명히 말씀 드릴 수 있는 것은... 학력 세탁은 절대 안 됩니다. 학력은 대학원 기준 -ist, 서울대 정도는 세탁이 될 수 있습니다만... (연구실 들어가기도 힘듭니다) 학력의 경우 대부분 학사를 기준으로 따지다보니 순수 학력 세탁의 목적으로 대학원을 오신다면 개인적으로 반대하고 싶습니다.
다만 어필할 수 있는 것은 '나의 성실함'을 어필할 수 있다고 생각합니다. 아무래도 회사 일과 학교를 병행하는 것은 생각보다 쉬운 일이 아니기 때문이죠. 사람 일이라는 것이 늘 이벤트가 생기기 마련이고, 회사 일도 생각치 못한 변수가 생기기 마련입니다. 저도 이 변수로 인해 1년간 휴학을 하기도 했지요... 아무튼 마냥 만만하게 볼 수 있는 과정은 아니고, 끝까지 해내서 졸업했다는 것 하나만으로 '성실함' 어필하기엔 좋은 타이틀이라고 생각합니다.
그리고 저의 경우, 학사는 컴공이고 석사는 인공지능이다보니 대외적으로 배움을 게을리하지 않고 진취적인 사람으로 어필하는 명분으로도 꽤 나이스했다고 생각해요.
대외적으로는 위와 같은 어필을 할 수 있는 장점이 있고, 대내적으로도 유익한 배움을 얻어갈 수 있었던 석사 과정이었다고 생각합니다. 특히 인하대학교 공학대학원의 경우 일반대학원 교수님들께서 돌아가며 공학대학원 수업을 하시기 때문에 질적으로도 만족스러운 수업들이었습니다. 본인이 원한다면 교수님께 따로 컨택해서 더 심화된 공부도 얼마든지 할 수 있도록 환경을 마련해주십니다. 2년 수업 과정 중에서 지금까지 단 한 번도 열정적이지 않은 교수님들을 본 적이 없습니다. 학생 구성도 옛날에는 나이가 지긋하신 차부장님급들이 많다고 알고 입학했지만 생각보다 30대도 많았습니다. 그만큼 자기계발을 열심히 하고자 하는 청년들이 많구나 느꼈어요.
3. 공학대학원, 어떻게 공부해야 등록금이 아깝지 않은가?
누군가 저에게 '공학대학원에 들어간 이후 어떻게 공부해야 적지 않은 등록금을 뽕뽑고 석사 학위를 당당하게 내밀 수 있을까?'라고 묻는다면 '나와 맞는 교수님을 찾고, 꼭 논문을 쓰세요'라고 답하고 싶습니다.
앞서 학교를 9곳 면접을 봤다 말씀 드렸습니다. 그 중에서 4곳에 합격을 했는데, 최종적으로 학교를 선택한 기준은 '공학대학원 학생이 논문을 쓰는 것에 호의적인가'였습니다. 제가 알고 있는 Y대 공학대학원의 경우에는 아예 논문학위 과정이 없는 걸로 알고 있습니다. 그래서 아무리 네임밸류가 좋은 학교일지라도 논문학위 과정이 없는 대학원은 처음부터 지원하지 않았습니다.
대부분의 특수대학원에서 '석사 학위'는 학점만 채워서 학점학위 졸업이 가능하기도 합니다. 그런데 여기서 살짝 난감한 상황이 생깁니다. 추후 이력서를 내거나, 창업 관련 대표자 학력을 증빙해야할 경우 등 석사를 최종학력으로 기입할 경우 논문을 함께 첨부하라고 할 때가 생각보다 많습니다. 그런데 학점만 채워서 졸업하는 경우, 이 논문 란을 공란으로 둘 수밖에 없으니 조금 난감합니다. 석사의 경우 논문을 첨부해야할 때가 생각보다 많습니다.
물론 일반대학원 풀타임 학생들에 비해 논문의 수준이 많이 떨어질 수밖에 없습니다. 물리적으로 연구에 투자하는 시간 자체가 다른데 당연히 그럴 수 밖에 없죠. 그럼에도 불구하고 학회에 올릴 수 있는 수준까지 된다면 정말 잘 하신거고 리스펙 할만 합니다ㅎㅎ 아무튼 논문 퀄리티를 막론하고, 그럼에도 불구하고 논문을 써봐야하는 이유는 '한 소재에 대해 연구하면서 하는 삽질을 맛보기라도 해봤구나' 라는 증빙이기도 합니다. 개인적으로 저는 무조건 논문을 써야한다는 주의였기 때문에 마지막 학기 몇 개월 동안은 퇴사 후 졸업 논문에 올인을 했습니다. (그래도 시간이 부족했습니다...ㅠ)
그리고 교수님 컨택이 상당히 어렵게 느껴지실 수 있습니다. 저도 어려웠으니까요... 그래도 이 석사 과정을 알차게 보내시려면 2차수 후반 무렵에는 용기를 내셔서 컨택을 해보심을 권장 드립니다. 내가 흥미 있는 분야, 연구하고 싶은 분야, CV(영문 이력서)를 준비해서 컨택을 해보시면 됩니다. 저는 이 과정을 통해 연구실의 파트타임으로 들어가 파트 연구생이 되었습니다.
4. 결론적으로 하길 잘했다고 생각합니다.
등록금... 적지 않은 금액 맞습니다. 쉽게 결정할 수 있는 금액이 아닙니다. 그런데 학사 타이틀에 자신이 없고, 연구 논문을 쓸 의향이 있다면 해볼만 하다고 생각합니다. 학력을 어느정도 인정해주고 말고는 솔직히 이제 제 손을 떠나 기업에서 판단할 문제이고, 개인적으로는 학력란 기입할 때 이전보다는 훨씬 자신감이 생깁니다.
물론 아쉽게도 절대 네버 네버 드라마틱한 인생 역전 이런건 되지 않습니다... 그러나 투자한만큼 앞으로 많은 부분에서 되돌아올 것이라고 생각합니다. 우리의 인생 타이밍이라는 것이 그렇지 않습니까... 도움이 안될 것 같아도 나중에는 다 도움이 되는 경험이구나 싶은 것들도 많습니다. 언젠가 준비된 자에게 기회가 온다는 말을 믿고 정진하려고 합니다. 참고로 저는 다음 미션으로 기술사를 준비합니다.

나름대로 진솔하게 적어보았는데, 현재 상황에서 더 나은 미래를 도약하기 위해 고민하시는 분들께 조금이나마 도움이 되셨으면 좋겠습니다. 개인적으로 우리 학교 좀 먼 것 빼고는... ㅎㅎㅎㅎ 우리 지도교수님 제일 최고시고, 수업해주신 교수님들 모두 인자하시고 지혜로우시고 배울점이 많았습니다. 공학대학원 행정실 분들도 너무 친절하셨고, 학교 다닌 2년동안 인생에 손꼽을 유익한 시간이었습니다.
혹시나 더 궁금하신 부분이 있다면 언제든 댓글로 문의 남겨주시기 바랍니다.
'AI > Deep Learning' 카테고리의 다른 글
[MATLAB] Camera Calibration :: 체커보드 Corner 인식 테스트 (0) | 2022.03.13 |
---|---|
서울/수도권 인공지능 대학원 9군데 지원 및 합격 후기 (0) | 2022.01.19 |
[머신러닝] 사이킷런(sklearn)의 DecisionTreeClassifier(결정트리분류기)이란? (0) | 2021.12.10 |
[Kaggle] Python으로 런던 자전거 수요 예측해보기 :: (4) 시그마 이상치 제거 (0) | 2021.06.01 |
[Kaggle] Python으로 런던 자전거 수요 예측해보기 :: (2) (0) | 2021.06.01 |