지방 학부생을 위한 대학원 고민에 대하여

작성자 : 지방 사립대에서 학사를 졸업하고 자대에서 석사, 박사까지 마치며 이번 연도 8월에 졸업합니다.
대상 독자 : 소위 말하는 지방 사립대나 지거국 학부생이거나 머신러닝에 관심이 있는 학부생
소위 말하는 spk, yk, ssh 등의 학부생의 경우 거의 도움이 안 되니 뒤로 가세요.

박사는 딱 6학기 했고 운이 좋았기 때문에 졸업할 수 있었습니다.

상세히 적으면 제가 누군지 추정이 가능해 보여 유추할 수 있는 부분은 숨겼습니다.

학과 내 사업(BK)과 아직 SCI급 논문으로 투고하지 않았지만 유의미한 실험이 나와 졸업할 수 있었습니다.

원래 CS 분야 중 A 분야를 연구하다가 현실적으로 연구하기 어렵고 진행하는 과제를 하다 보니 어찌하다 머신러닝을 주로 연구했습니다.

실적 : 기존 연구하던 A 분야 SCI급 주저자 1편 SCOPUS 주저자 1편, 공저자 2편, 머신러닝 SCI급 주저자 1편 및 주저자 1편 추가 예정(최종 억셉은 나왔고 결제만 남았습니다.)
그리고 SCI급 논문 주저자 1편 추가 작성 예정(저널에 Abstract 투고했고 다음 주부터 작성할 예정입니다. 내용은 박사학위 졸업 실험 결과를 포함합니다.)
국내외 학술발표대회도 꽤 투고했으나 상위 탑 10 컨퍼런스는 아니라 사실상 의미 없어서 상세한 투고 내역은 작성 안 합니다.
B에 대해 머신러닝을 이용하여 연구하였고, 추가로 게재 예정인 논문은 3~4월까지 해서 큰 유의미하지 않지만, 그 분야보다 성능 평가가 우수하여 작성하였고, 투고한 저널의 분야는 의료분야이고 의료분야로 처음 논문 투고하였습니다. IF를 특정하면 출판일을 고려하면 유추할 수 있어 비공개하나 의료분야에 JCR Q2 저널입니다.
추가로 투고할 논문은 4월 이후에 연구한 것으로 B에 대한 충분히 유의미한 실적입니다. 임상 수준의 비교는 아니기 때문에 바로 병원에 적용은 안 되겠으나 추후 병원에서도 이러한 연구를 통해 충분한 적용 가능성을 보여 적용할 것 같습니다.
현실적으로 보면 B에 대하여 머신러닝을 적용한 연구가 적기 때문에 유의미한 실적이지 않을까 싶습니다.

김박사넷 Impact Forum에 2류 대학 랩 석사 후기가 있는데 제 대학은 어느 수준인진 모르겠네요.

일단 1류는 아닌데 과연 어디 수준일지는...모르겠네요.



1. 어느 대학원을 갈 수 있는지 혹은 어느 곳을 노리는 것이 유리한지에 대하여

우선 상위권 대학원의 경우에는 경쟁이 치열해서 현실적으로 지방 사립대나 지거국에서는 현실적으로 노리기 힘듭니다.

실적이 없다면 사실상 불가능에 가깝죠.

여기서 실적은 분야별 탑10 컨퍼런스나 SCI급 논문, 국외 저널, 국내 저널, 국제학술발표대회, 국내학술발표대회입니다.

일반적으로 탑10 컨퍼런스는 높은 수준으로 평가하나, 그 외의 국내학술발표대회나 국제학술발표대회는 사실상 1~2편은 좋은 경험 정도로만 취급하고, 그 이상 있어도 유의미한 당락 결정하기 힘듭니다.
단편적으로 말하면, 위에 제 실적에서 국내외 학술발표대회도 꽤 투고했다고 하는데 저한테 직접은 아니고 지도교수님 통해서 요청한 경우가 많아 투고했었고, 데이터만 있다면 앞서 말한대로 탑10 컨퍼런스가 아니면 진짜 작성하기 쉽습니다. 실험 결과만 있다면 하루면 충분히 씁니다.
그래서 국내학술발표대회나 국제학술발표대회가 많다고 해서 유리한 건 아니에요. 수많은 국제학술발표대회나 국내학술발표대회 논문보다 IF가 엄청 낮더라도 SCI급 논문 1편을 더 좋게 쳐줍니다.

여기서 말한 상위권 대학은 spk, yk, ssh, ist 등 일반적으로 알만한 상위권 대학을 포함합니다.

그래서 자신이 다니는 대학교와 동일한 수준이나 한 수준, 혹은 두 수준 이상의 대학을 노리는 게 현실적으로 좋습니다.

그러한 이유는 상위권 대학에서도 나름대로 순위가 있다 보니 거기서도 상위권 대학을 갈지 자대를 갈지 아니면 ist 등으로 빠질지 결정을 합니다.

그분들도 각자 자대 인기 랩의 경우에는 좋은 분위기를 유지하며 연구할 수 있지만, 아닌 경우에는 제대로 연구 안 하거나 분위기를 망치는 사람이 있어 더 높은 수준의 대학의 연구실이나 다른 대학의 인기 랩(예:ist)을 가려고 합니다.

현실적으로 보면 가장 쉽게 갈 수 있는 대학원은 자대가 맞습니다.

저의 경우에는 실업계를 나왔고 그때 수능을 안 보고 내신으로만 제가 갈 수 있는 수준의 대학 내에서 최선을 택했었습니다. 그 당시에 노린 건 학사학위 딴 대학만 노린게 아니라 그 주변 다른 학교와 보험 삼아 쓴 학교도 존재는 합니다.

석사를 고려할 땐 따로 다른 대학의 대학원을 충분히 조사하진 않아서 그에 대해 잘 모르기도 하지만, 현실적으로 생각했을 때 상위 대학원을 노리는 건 힘들어서 포기했었고요.
박사 때도 역시 다른 대학원 갈 자신은 없고 더 연구해보고 싶은 마음이 있었기에 자대로 지도교수님 그대로 박사과정까지 갔습니다.

대학원 간 연구실 내 후배 중에는 지도교수님과 사전에 상담하고 미리 컨택하여 위에 말한 상위권 대학의 대학원으로 갔습니다.

물론 그 후배도 성적이 교내에서 좋은 편에 속하고 졸업하기 전에 한가지 과제를 수행한 연구 실적을 좋게 봤던 것 같습니다.
(애초에 연구실에서도 지방 사립대이고, 연구실 내 대학원생이 적었던 시기기 때문에 연구실에 있어도 학부연구생 개념보단 연구실에 있으면서 개인 공부 및 학과 과목 세미나 위주로 했습니다.)

대학원을 가려고 한다면 자신이 연구하고 싶은 분야를 연구 중인 자대 교수님을 우선 노리시는 게 편하실 거예요.

만약 없다면 비슷한 수준의 대학교의 연구실을 찾아보세요.

찾으실 땐 scholar.google.com 에서 교수님 프로필 검색하세요.

사립대의 경우 홈페이지가 없는 경우는 있어도 계속 연구하시는 교수님들은 구글 스칼라를 통해 실적 관리 하실 겁니다.

다만 검색하실 때 교수님께서 제1저자이거나, 교신저자의 경우만 실제 실적으로 고려하세요.

교수님들끼리도 성과 돌려막기 등으로 공저자를 주는 경우가 있어서 잘 확인하셔야 합니다.
(일반적으로 교신저자가 논문 저자의 맨 끝에 작성을 하나 논문에 따라 교신저자가 맨 마지막에 있지 않은 경우도 있으니 교신저자를 꼭 확인하세요. 따로 교신저자 표기하거나 기호로 따로 표기합니다.)

그리고 해당 연구실의 대학원생 참고하실때 홈페이지가 없다면 그 교수님께서 교신저자인 국내외 학술발표대회 참고하세요. 거기서 반복적으로 나열되는 이름으로 유추하세요.

그러나 학부->석사도 있고 석사->박사도 있어서 참고만 할 수 있고요. 대학원생과 교수님의 학과가 다를 수 있으니 학교명 여부로 참고하세요.

상위권 대학을 가려면 SCI급 논문 1편 혹은 분야별 탑10 컨퍼런스에 속하는 곳에 투고한 논문이 있어야 컨택이 될까 말까 합니다.

미리 컨택을 통해 들어가는 경우를 제외하면 현실적으로 상위권 대학 노리는 게 어렵습니다.

특히 머신러닝쪽의 경우에는 상위권 대학에서도 탑10 컨퍼런스 실적 가지고 가니 최소한 그 정도는 준하는 실적이 아니면 힘들죠...



2. 지방 대학원이라고 해서 무조건 안 좋냐?

현실적으로 말하면 상위권 대학과 그 외 대학과 비교하면 절대적인 실적은 상위권 대학이 더 좋은 게 사실입니다.

근본적인 이유는 지방 대학원은 그만큼 지원하는 대학원생이 적다 보니 그만큼 인원 모자란 게 사실입니다.

그러므로 대학원생끼리 유의미한 토론이 힘듭니다.

그리고 하드웨어적인 지원도 상위권 대학보다 부족한 건 현실입니다.

그나마 머신러닝의 경우에는 그래픽카드의 영향을 받고, 코랩 등이 있어서 최소한의 연구는 가능합니다.

또한 주변에서 졸업생이나 재학생의 실적을 고려하고 내 수준이면 나쁘지 않지 등의 이유로 나태해집니다.

연구실 내 대학원생 인원도 적다 보니 방해되는 경우가 많아 힘듭니다.

또한 상위권 대학의 경우 기존 연구를 계속 이어서 하는 경우가 많은데 하위권 대학은 교수님은 계속 연구한다고 하지만 학생들 간의 노하우 등이 전달안되니 더 안 됩니다.

즉, 바닥부터 삽질하는데 주변에서 유의미한 도움을 받기가 어렵습니다.

또한 연구실 내 인원이 적다 보면 누군가 행정 업무도 해야 하는데 그걸 하다 보면 연구에 집중하기 어렵습니다.

그러나 절대적으로 부족한 것은 아니고, 본인의 노력 여하나 지도교수님에 따라 나아질 수 있습니다.

좋은 워크스테이션은 아니지만 제가 관리했던 워크스테이션만 어느 정도 있었고, 저희 연구실 워크스테이션은 아니었으나 사실상 저희 연구실 거와 같았고 제가 계속 연구 목적으로 사용할 수 있었습니다.

연구에 꼭 필요한 경우에는 지도교수님께서 학과 내 다른 교수님과 회의를 통해 학과 내 사용안 하는 워크스테이션이나 PC는 사용할 수 있습니다.

그리고 등록금 지원이 상위권 대학에서 인건비 등을 통해서 지원해지는 게 아니라, 저희 대학교는 장학금 형태로 지원했습니다.

장학금은 1학기 때부터 신청 가능하며 풀타임 대학원생의 경우 졸업하고 일정 기간 내 논문 게재 혹은 억셉 증빙이 되어야 합니다.
자세히 말하면 유추되기 때문에 자세히 말하긴 힘들지만, 학과 내 졸업 요건에 그 정도 수준의 실적은 있어야 졸업시켜주기 때문에 큰 문제는 없습니다.

장학금 여부는 그 대학원을 가고 싶다면 마음만 먹으면 찾을 수 있고, 장학금을 지원하지 않는 경우엔 연구실 내에서만 아니 이 부분은 모르겠네요.

여태까지 지원받은 인건비를 상세히 공개하는 것은 어려우므로 자세히 언급하긴 힘들고, 저의 경우 충분히 부모님 지원 없이 생활했고 대출도 없습니다. 다만 엄청 높은 것은 아니어서 적금하기엔 힘들었네요.

교수님들마다 정확한 이유와 꼭 지원해준다고 보장하긴 어렵지만 중간 연구 실적을 바탕으로 국제학술발표대회에 참석하며 여러 나라 방문하여 발표했었네요.

다만 탑10 컨퍼런스는 아니기 때문에 상대적으로 쓰기 쉬운 부분도 있었고, 탑10 컨퍼런스 작성은 어렵고, SCI 논문이 금방 나오지 않아 지속해서 연구하라는 목적과 여러 가지 이유로 투고했었습니다.
일부는 논문 투고 요청받아서 한 적도 있고, 해당 학회와 전혀 일면식도 없는 학회도 참석했었습니다.(논문 투고할 땐 몰랐지만 논문 참석하고 보니 중국에서 관리하던 학회였고 참석자 대부분은 중국인이었네요.)



3. 머신러닝 연구하고 싶은데 꼭 인공지능대학원을 가야 하나?

사실 지방 사립대학교나 지거국 학부생들이 인공지능대학원을 노리면서 떨어지는 안타까운 글들이 보이는데 대부분 생긴 인공지능대학원은 상위권 대학에서 생겼기 때문에 거길 노리는 학부생과 비슷한 수준의 실적이 없으면 포기하세요.

꼭 인공지능 대학원 갈 필요는 없습니다. 물론 가면 좋겠지만 1학기, 1년 이렇게 걸리면서 계속 시도하기에 어려움이 있습니다. 본인의 나이와 그 기간 동안 집안에서의 지원을 고려하면 1학기도 힘든데...사실 한 번에 안되면 그 밑을 노리는 게 현실적으로 맞아요.

머신러닝의 연구 분야는 크게 보면 두 분야입니다.

크게 머신러닝 코어 쪽과 응용 분야입니다.

쉽게 생각하면 LSTM 모델, CNN 모델과 같이 모델 개발한다 생각하시면 되고요.

그렇다고 너무 쉽게 기존 레이어로 구성하기보다는 다른 모델과 동일한 데이터셋으로 비교했을 때 유의미한 성능 개선이 이루어져야겠죠.

현실적으로 한국에서는 어렵습니다.

아마 대부분 분야가 원천 기술 연구하기 힘들 겁니다.

한국 특성상 빠르게 실적을 내길 원하기 때문에 3년 5년 등으로 연구 기간이 짧으면서도 SCI 논문을 실적으로 원하니 원천 기술을 연구하기는 어렵습니다.

그렇기 따라서 모든 걸 연구하기는 힘들고, 분야마다 다르겠지만 원천 기술이라고 하지만 오픈소스 기반하에 연구되는 경우가 적지 않습니다.

대부분 원천 기술을 연구하려면 10년 넘게 해야 하고 유의미한 SCI 논문 투고가 어려운데 이를 국가에서 충분히 보장해주지 않기 때문에 어렵습니다.

그렇기 때문에 머신러닝 코어 쪽은 못해도 2013년이나 2014년에 머신러닝쪽 연구를 하며 계속 연구하신 곳을 가야 하는데 찾기 어렵습니다.

응용 분야의 경우 너무 범위가 넓습니다.

전산, 컴퓨터, 의학 등 너무 많은 분야에서 다 쓰고 있습니다.

머신러닝을 적용한 SCI 논문을 보시고 계속 머신러닝를 적용한 연구를 진행중인지 고려하여 선택하시면 큰 차이 안 납니다.

제 경우에도 원래 A 분야에 대한 연구가 메인이 되어있는데 요새 느끼는 건 머신러닝 연구가 주고 지도교수님 전공이 A 분야다 보니 A에 대한 연구를 아예 놓지 않는 정도입니다.

즉, 본인이 얼마나 더 관심을 두고 찾느냐에 따라 상관이 없습니다.

특히 Open CV 등 이미지 비전을 연구하던 경우에는 아직도 기존 방법론이나 다른 알고리즘을 적용하겠지만 머신러닝 분야를 적용하는 경우가 많고 이를 이용하여 다양한 분야에 적용할 수 있으므로 괜찮습니다.



4. 국가 과제를 하는데 괜찮은 곳인가?

교수님께서 따로 사업하시면서 연구실 운영하는 곳보다 나은 경우입니다.

사실 그렇게 되면 연구가 주라기보단 사업이 주로 된 경우라...여러 개발은 하겠지만 연구가 메인이 되지 않습니다.

그리고 국가 과제를 하는데 괜찮은 곳인가에 대해선 장단점이 존재합니다.

국가 과제을 할 경우에는 인건비, 여비 등 지원을 해줍니다.

저는 몰랐는데 최근 김박사넷 통해서 인문계열의 경우 주저자가 논문 투고료를 지급하는 경우가 있는걸 보고 놀랐습니다.

적어도 공대 계열에서는 그런 경우는 없습니다. MDPI 등 게재비가 비싸더라도 교수님 입장에서 충분히 게재할 만한 가치가 있다고 판단하시면 투고합니다.(빠른 심사와 심사가 신속히 이루어지는 만큼 빠른 게재)

그리고 국제학술발표에서도 여비가 지원하기 때문에 학회 일정을 소화하고 남은 시간 동안 자유여행이 가능"은" 합니다.(다만 기념품 등은 사비고 학회 일정을 소화하는 만큼 제대로 관광하는 건 아닙니다.)

이러한 지원은 학생 입장에서는 다양한 경험을 해볼 수 있기 때문에 괜찮습니다.

다만 단점은 과제가 끝나는 시기쯤에 계획서를 써야 하며, 각종 여비 등의 지원을 받으려면 당연히 그에 대한 증빙과 매년 보고서를 작성해야 해서 행정 업무가 있습니다.

제가 석사 입학할 때 동일 학과 다른 학생의 경우 지도교수님께서 국가 과제를 안 해서 마음먹은 대로 원하는 분야를 실컷 할 수 있었던 부분이 있지만, 경제적 지원이 없어 어려움이 있었습니다.


인공지능 대학원을 노리면서 인공지능, 머신러닝, 딥러닝 간 최소한으로라도 구분될 수 있게 설명 못 하면 가지 마세요.

자세히는 모르더라도 이 부분은 제대로 알아야 제대로 연구됩니다.

이 부분은 까놓고 말해 서적 통해서 공부하더라도 알 수 있어요.