[대학원] 재주스 성균관대 일반대학원 학업계획서 실제 예시 공유 (인공지능학과)

안녕하세요 재주스입니다.
4년 전 작성했던 성균관대학교 인공지능학과 (21학년도 전기 일반대학원 일반전형) 학업계획서를 공유합니다.
 
읽다보면 어색한 표현, 오타, 중복이 있을 수 있습니다.
하지만, 학업계획서를 준비하고 계시는 여러분을 위해 제출했던 그대로 공유해 드립니다.

* 참고로 저는 2020년도 당시 글을 작성하는 능력이 부족했습니다. 양해 부탁드립니다.

 
해당 학업계획서는 서류탈락으로 면접을 못봤던 기억이 납니다.

* 인공지능학과에 '학석사연계'로 지원한 자대생이 몰려, 저에게 순번이 안왔던 걸로 기억합니다.
* 이것보다는 훨씬 더 잘 작성해야한다는 느낌으로 봐주시면 좋겠습니다.

 

- 본 포스팅에서 소개하는 학업계획서는 1차 입니다.

- 2차 스토리 (성균관대학교 일반대학원 소프트웨어학과)는 아래 포스팅에서 확인하실 수 있습니다.

[대학원] 재주스 성균관대 일반대학원 학업계획서 실제 예시 공유 (소프트웨어학과)

 

- 3차 스토리 (서울대학교 일반대학원 컴퓨터공학과)는 아래 포스팅에서 확인하실 수 있습니다.

[대학원] 재주스 서울대 일반대학원 자기소개 및 수학(연구)계획서 실제 예시 공유 (컴퓨터공학)

 

각 문항 밑에는 지금의 제가 평가하는 한줄 평을 작성해볼 예정입니다.
재밌게 봐주시면 감사하겠습니다.

---

1. 자신의 학문적 지향 (Academic indination)

저는 학문을 배움에 있어 학업적 지식과 함께 산업적 활용 방법도 익혀야 한다고 생각합니다. 그 이유는 혁신적인 아이디어는 탄탄한 학문적 지식에서 나오지만 이 지식을 이용해 실제로 혁신을 일으키기 위해서는 산업적 활용 방법을 알아야 하기 때문입니다.

산학 융합적 학습을 지향하는 태도를 바탕으로 데이터 분석 능력을 겸비한 IT엔지니어가 되기위해 노력해왔습니다. 우선 데이터 분석 능력을 갖추기 위해 논리적 사고체계와 호기심을 함양하고자 했고, 상상하는 내용을 컴퓨터로 표현할 수 있는 코딩 능력을 겸비하기로 하였습니다.
 
논리적 사고체계를 위해 학부 저학년에는 통계학, 이산수학, 데이터 마이닝 등을 수강하였습니다. 통계학의 경우 배우는 내용을 코딩으로 옮기며 스스로 컴퓨터로 표현할 수 있을 정도로 꼼꼼히 노력했습니다. 특히 확률의 오해를 다루는 `몬티홀 문제`를 공부할 때는 확률과 코딩을 연결시켜 공부하는 것에 흥미를 느꼈고, 회귀 분석의 설명 가능한 분산과 설명이 불가능한 분산에 대해서 공부할 때는 데이터 활용 및 해석에 희열을 느끼며 진로를 확고히 했습니다.

고학년에는 빅 데이터활용, 데이터 분석 실무 등의 과목을 수강하며 데이터를 산업적 관점으로 어떻게 사용하면 좋을지 고민하고, 실제로 모빌리티 비교 플랫폼 스타트업에서 투자 유치를 위해 데이터를 수집하고 해석하는 경험을 했습니다.

특히 빅 데이터 활용 수업 중 빅데이터를 활용 아이디어 과제가 기억에 남습니다. 다른 친구들이 모두 특정 도메인에 한정되어 데이터를 어떻게 활용할지에 대해서 발표할 때 저는 그 기술들을 한데로 모아 도메인에 상관없는 데이터 활용의 아이디어(빅 데이터 기술 추천 플랫폼과 경계 없는 도메인 데이터 연결 방법)를 제시함으로써 1등으로 해당 과목을 수강했기 때문입니다.

이와 같이 데이터 분석 능력을 학문적 그리고 산업적으로 연마하면서 자연스럽게 인공지능 분야에 관심을 갖게 되었습니다. 인공지능의 학문적 탄탄함을 위해 스스로 MIT의 공개 강의인 미적분학을 찾아 듣고 선형대수를 동기들과 스터디 하며 응용 수학적 관점을 다졌습니다. 또한 교내 딥러닝 연구소에 15개월간 학부연구생으로 지내면서 연구를 경험했습니다. 학부연구생 당시 O`Reilly의 머신러닝/딥러닝 책과 스탠포드의 cs231n 등을 세미나하고, 실제 연구 프로젝트(딥러닝을 통한 바이러스 탐지)에 참여하여 바이러스 탐지 모델을 설계해 논문(mdpi: SCIE, IF=2.1)을 출판해봤습니다.
 
저의 학문적 태도는 학업적 지식과 산업적 활용 방법을 고루 익히게 해주었습니다. 앞으로 학문적 소양과 산업적 연계를 중요시하는 성균관대학교 인공지능학과에서 전문적인 수준으로 거듭나, 궁극적으로는 현실 세계의 문제를 데이터에 기반한 혁신적인 방법으로 해결하는 글로벌 인재가 되고싶습니다.
 
평가

오랜만에 다시봐서 몰랐으나, 이때부터 산학 융합적인 커리어를 쌓고싶다고 얘기하고있었네요. 아마 제가 순수 연구직이나 교수직보다는 응용 연구 및 상용화에 더욱 관심이 있어서 그런 것 같습니다. 글의 구성은 좋았으나, 성과를 설명하는 부분이 너무 추상적인 것 처럼 보이네요. 또한, 스스로 노력했다고 어필하는 부분이 2024년도 기준에서는 약해보입니다.

---

2. 진학동기 및 목표 (Academic motivation)

제가 성균관대학교 인공지능대학원을 선택한 이유는 스스로 갖추고자 하는 AI 전문가로서의 역량이 성균과대학교에서 양성하는 AI 인재상과 같기 때문입니다. AI 전문가가 되고자 한 이유는 교내 연구소에서 바이러스 탐지 프로젝트를 진행하고 모빌리티 플랫폼 스타트업 `카찹`의 기반을 닦으며 데이터를 다루고 해석하는 직업이 세계를 리드할 것임을 깨달았기 때문입니다. 특히, 데이터를 학문적 관점으로 볼 수 있는 것은 물론이고, 산업적으로도 Critical Thinking을 할 수 있는 인재만이 살아남을 수 있겠다고 느꼈습니다. 이를 위해 학문적 그리고 산업적으로도 커리어를 쌓을 수 있는 대학원을 찾아보기 시작했고 성 균관대학교 인공지능대학원을 찾았습니다. 본교는 글로벌 AI 선도 인재를 양성하기 위한 학문적 인프라 가 탄탄하며 산업계와의 연계를 적극 추진하는 것을 알았습니다. 같은 목표를 향해 뛰는 팀은 두려울 게 없다고 생각했고, 목표하는 인재상으로 성장하고자 진학을 결심했습니다.
 
저는 인공지능으로 해결하고 싶은 문제가 있습니다. 그 문제는 현재 사회적, 정치적, 개인적 침해를 가 하고 있는 딥페이크 영상입니다. 처음 딥페이크 영상을 봤을 때는 학부연구생 시절 인공지능에 대해서 전반적으로 공부할 때 였습니다. 당시 타 학교 학부생이 프로젝트로 만든 영상으로, 이름을 입력하면 문재인 대통령이 그 이름을 불러주며 새해 문안 인사를 해주는 영상이었습니다. 기술의 활용법에 감명받아 딥페이크에 대해서 자세히 찾아보게 되었습니다. 하지만 찾으면 찾을수록 선한 사례는 거의 없었고 매우 심각한 악용사례를 더 많이 보게 되었습니다. 특히 딥페이크 영상을 통해 만들어낸 연예인, 정치인에 대한 성적, 정치적 능욕을 보이는 영상들이었습니다. 현재는 GAN의 발전으로 일반인 까지 해당 범주에 들어간다는 사실이 안타까웠습니다. 해당 문제를 해결해보고 싶다는 생각이 제 온몸을 감돌았고, 인공지능과 딥페이크에 대해서 집중적으로 공부해왔습니다. 또한 좋은 기회를 통해 정보보학회지에 데이터 기반 딥페이크 탐지기법에 관한 최신 기술 동향 조사에 관한 논문 출판에 참여할 수 있었습니다. 앞으로 성균관대학교 인공지능학부에서 전문적인 지식을 쌓아 궁극적으로 하나의 모델이 다양한 딥페이크 영상의 위조 여부를 탐지해 사람들에게 더 이상 심적으로 피해를 주지 않는 상황을 만드는 것이 목표입니다.
 
시간은 무엇과도 바꿀 수가 없습니다. 모든 이에게 동일하게 주어진 시간동안 어떤 커리어를 만드는지는 스스로의 선택과 역량에 따라 달라진다고 생각합니다. 저는 앞으로의 석사 생활을 성균관대학교에서 보 내며 one origin으로서 one unique한 커리어를 쌓아 글로벌 인재로 성장하고 싶습니다.

평가

재밌다. 아마 저 순간에 진행하던 프로젝트를 기반으로 작성한 것으로 기억한다. 두 번째 락과 세 번째 단락은 학부생 수준으로 얘기하기에 충분하다고 느껴진다. 하지만 첫 번째 단락은 아예 제외를 시키는 것이 좋아보인다. 회사를 운영하면서 우리 인턴 학생들의 자소서을 받아보면, 자꾸 우리 회사의 슬로건을 자소서에 넣으려고한다. 딱 저 첫 번째 단락처럼. 지금은 저렇게 들어내놓고 어필하는 글은 재미도 없고 감동도 없는 것 같다. 

---

3. 미래의 연구계획 (Future Study plan)

현재 제가 가장 관심있고 해결하고 싶은 문제는 가짜 생성물인 Deepfake로, 석사를 지내는 동안 Deepfake 에 대한 생성 방법과 탐지 방법에 대해서 연구를 하고, 궁극적으로 특정한 생성방법에 제한되지 않는 일반화된 모델을 만들어 학문적, 실용적 성과를 만들고 싶습니다. 꾸준한 관심을 갖고 있었기에 딥페이크에 대한 최신 기술 동향 조사를 하였고, 이를 기반으로 계획을 세웠습니다.
 
우선, 가짜 영상 생성 방법에 대해서 정확히 알기 위해 Deepfake 분야의 Faceswap, DeepFaceLab, Faceswap-GAN에 대해서 공부 및 정리를 할 예정입니다. 이를 통해 각 방법이 이미지로부터 어떻게 영상의 내용을 바꿨는지 이해할 것입니다. 이후, Deepfake의 대표 Dataset인 FaceForensic ++ 를 사용한 탐지 모델 중 의미 있는 성장을 보인 최신 모델(ForensicTransfer, T-GD, OC-FakeDect)을 확인해 아이디어를 얻을 계획입니다. FaceForensic은 원본 영상, 저화질 영상, 고화질 영상으로 나뉘는데 탐지가 어려운 저화질 영상에 대해서 해석 가능한 특징을 만들고, 잘 탐지할 수 있는 모델을 이론에 근거해 설계하여 학술적으로 의미있는 논문을 쓰는 것이 1차 목표입니다. 저화질 영상과 고화질 영상에 대해서 SOTA에 근접한 탐지 성능을 달성한 이후, 궁극적으로 해결하고 싶은 문제인 생성 방법에 제한되지 않고 탐지할 수 있는 모델의 일반화에 대해서 심화적으로 다룰 예정입니다. 다른 분포를 갖고 있는 데이터셋에 대해서 하나의 모델이 탐지 및 분류하는 것을 Domain Generalization이라하며 현재 왕성한 연구가 진행되는 것으로 알고 있습니다. 일반화된 모델을 만들기 위해 데이터의 구조적 학습과 규제항(regularizer)을 통해 달성하는 것이 저의 연구 목표 및 계획입니다.
 
모든 연구는 인공지능에 대한 기본이 받쳐져야만 연구자로서 큰 성장을 할 수 있다고 생각합니다. 특히 학부연구생으로서 공부를 하던 시절 확률과 통계에 대해서 수준 높은 이해가 앞으로 큰 강점이 될 것이라고 느꼈기 때문에, 인공지능을 받치고 있는 확률 및 통계, 선형대수, 알고리즘 분석을 수강해 수식을 단순 암기가 아닌 석사 수준의 해석으로 수학적 기반을 탄탄히 하여 경쟁력을 갖출 것 입니다. 이후 핵심 과목에서 가장 관심을 갖고 있는 인공지능의 방법론에 대해서 중급 수준의 과목을 수강할 계 획입니다. 인공지능론과 패턴인식이론, 영상처리론, 컴퓨터비전론 그리고 빅 데이터 분석 특론을 통해 현재 연구를 목표하는 데이터에 대해서 이론적으로 어떻게 접근해 모델을 구성할지에 대해서 배우고 프로젝트를 병행하며 실제 케이스 모델링을 할 계획입니다. 정량적 해석에 대해서 깊은 이해를 목표하기 때문에 AI를 위한 수치해석과 확률 및 랜덤 프로세스론을 수강하여 좋은 연구자의 덕목을 갖추는 것과 고급컴퓨터 구조와 NPU설계방법론을 수강하여 CPU, GPU, NPU 에 대한 폭 넓고 깊은 이해를 통해 엔지니어링 덕목에서도 경쟁력을 갖출 계획입니다. 심화적으로는 전 파학습과 비지도학습을 수강하여 저의 연구 목표인 데이터 도메인에 상관없는 일반화된 모델설계에 박차 를 가할 수 있게 할 것입니다.

평가

전체적으로 말이 너무 줄줄 늘어진다. 그나마 첫 번째 단락과 두 번째 단락이 잘 이어져서 흐름은 지금도 괜찮은 것 같다. 다만, 두 번째 단락의 내용이 너무 구체적인 것 같다. 조금만 상피적인 내용으로 어떤 성과를 만들고 싶은지 수정하는게 좋아보인다. 최악은 세 번째 단락이다. 시작은 좋았으나 너무 방대하게 끝났다. 어찌 2년 안에 저 많은 내용을 다 공부하고 성과를 만들겠는가. 이 글을 보는 사람은 시간의 한계를 정확히 인지하고 작성하기를 바란다.

---

4. 기타 (Other details)

[입상 내역]
- 2020.02.12, 우수논문상 (ICT-첨단기술학회 첨단기술학회의장)
- 2019.11.21, 최우수논문상 (을지대학교)
- 2019.11.21, 작품전 장려상 (을지대학교)
- 2019.07.13, 우수논문상 (ICT-첨단기술학회 첨단기술학회의장)
 
[기타 활동]
- 2020.09.01 ~ 2020.12.30, 학부연구생 (성균관대학교)
- 2019.01.01 ~ 2020.05.31, 학부연구생 (을지대학교) 
- 2020.01.01 ~ 2020.03.31, 데이터 인턴 (모빌리티 비교 플랫폼 Carchap)
 
[논문 실적]
1. 데이터 기반 딥페이크 탐지기법에 관한 최신 기술 동향 조사, 정보보호학회 2020 (To be published)
2. Malware classification using Simhash encoding and PCA(MCSP), MDPI, 2020
3. Efficient Algorithm for Malware Classification: n-gram MCSC, IJCDS, 2020
4. The performance comparison of different feature vectors on RNN network for malware detection, TEST, 2020

평가

평가할 내용이 없다. 그냥 진행했던 사항은 나열한 것으로 보인다. 추후에 동기들과 얘기해보면서 알았지만, 이 기타영역은 열정/노력/관심사를 줄글 형태로 어필하는 영역이다. 다시 쓴다면 위기 or 해결하기 어려웠던 문제를 소개하고 어떻게 해결해 나갔는지 어필할 것 같다.

---

저의 성균관대 일반대학원 학업계획서를 공유해드렸습니다.

궁금하신 내용은 댓글을 달아주시면 감사하겠습니다.