카카오 계정과 연동하여 게시글에 달린
댓글 알람, 소식등을 빠르게 받아보세요

가장 핫한 댓글은?

KAIST 입시에서 타대생들을 위한 팁

2021.10.24

39

63103

저는 KAIST 자대에서 학사/석사/박사를 모두 하고 있는 학생입니다. 저는 컴퓨터 공학/전자공학/머신러닝 관련 분야를 전공하고 있습니다.

제 타대생 친구들의 입시와, 제 연구실 동료들의 입시경험, 그리고 저와 자대생 친구들의 입시경험을 토대로 타대생들이 겪는 입시에서의 어려움과 그 해결방안에 대해서 이야기하겠습니다.

ㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡ
ㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡ

%주의: 현재 한국 대학들의 연구수준은 빠른 속도로 상승하고 있고, KAIST 외에도 훌륭하고 오히려 KAIST 보다도 더 뛰어난 실적을 가지고 있는 랩들도 많습니다 (적어도 저희 분야에서는 그렇습니다.). 이 글은 그럼에도 불구하고 여러 사정으로 인해 "카이스트"를 진학하려는 목적이 있는 타대 학생들을 위해 작성된 글입니다. 이때의 타대는 서울대학교나 포항공대, 연세/고려대 등의 명문대 학부생들도 포함됩니다. 또한 타대 석사까지하고 KAIST 박사를 진학하는 사례에 대한 분석도 진행합니다.

결국 이 모든 논리는 교수/랩 에 대한 선택이 학교/학과 에 대한 선택보다 월등히 중요하다는 메인 논리에 기반합니다.

ㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡ
ㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡ

1. 입시 전 랩컨택을 반드시 해야한다.

일부 학과에서 입시 후 랩컨택이 원칙이라고 하는데, 전부 무시하셔야 합니다. 그런 원칙은 존재하지 않습니다.

카이스트 대학원은 평준화가 되어있지 않습니다. 않좋은 랩은 아인슈타인이 들어가도 폐급으로 졸업 혹은 자퇴를 하게 됩니다. 좋은 랩은 세계 어느 대학과 견주어봐도 뒤지지 않고, 매년 탑스쿨 교수를 배출하기도 합니다.

여러분들이 기대하는 카이스트 대학원이라는 것은 당연히 폐급 랩은 아니겠지요. 그렇기 때문에 반드시 카이스트 내에 본인 관심분야 랩들의 수준과 정보를 확보하고 있어야 합니다.
ㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡ

2. 타대생이 랩컨택을 일찍 준비하는 방법.

A. 인서울 명문대학 or 과기원

본인 학교의 대학원 연구 수준이 그래도 괜찮다, 탑 컨퍼런스/저널에 간간히 등재되며, 2티어 저널/컨퍼런스 정도는 빈번히 등재되는 것 같다. 이런 경우 일반 본인 대학에서 실적이 잘 나오고, 젊은 교수를 수소문 해서 학부 인턴을 하길 바랍니다. 최대한 일찍 시작하는 것이 좋습니다.

그렇게 해서 최대한 눈에 보이는 실적을 쌓는 것이 좋습니다. 제 분야에서는 그게 충분히 가능합니다. 만약 논문이 잘 나오지 않는 분야라면, 지도교수와 했던 디스커션들과 프로젝트들을 잘 정리해 놓아 명시적으로 만드는 것도 방법이 됩니다 .

해당 교수에게 추천서를 받을 수 있으면 좋구요, 만약 해당 교수랑 궁합이 너무나 잘 맞는다면 석사까지 그 랩에서 진학하고 박사때 넘어오는 것도 매우 좋은 방법입니다. (이 경우가 석사를 않좋은 랩에 컨택하는 것 보다 훨씬 낫습니다. )

이 방법이 promising 한 것은 본인이 낸 성과에 따라서 진로를 재조정 할 수 있기 때문입니다.

매우 좋은 실적 - 카이스트 인기랩 컨택 or 유학 (탑컨퍼 등)
좋은 실적 - 카이스트 인기랩 컨택 or 인턴 컨택(세컨티어 주저자 or 탑티어 공저자)
중간 실적 - 카이스트 인기랩 인턴 컨택 or 현재 랩에서 석사 진학 (탑티어 워크샵, 세컨티어 공저자 등)
그저 그런 실적 - 카이스트 인기랩 인턴 컨택 or 카이스트 중간 랩 인턴 컨택 (의미없는 학회 or No 논문)

B. 그 외 대학

본인 학교의 대학원 연구 수준이 못봐줄만한 수준이라고 하면, A 방안은 사용할 수가 없음.

B-1. 카이스트 or 다른 연구 중심 대학의 주요 랩에서 인턴

A의 방안을 우회적으로 사용하는 것임.

B-2. 석사 진학을 KAIST 보다 다소 지명도가 떨어지는 연구 중심 대학으로 진학

KAIST보다 다소 지명도가 떨어지는 대학에서도 매우 훌륭하고 젊은 교수들이 즐비해 있습니다. 다만, 최종 학벌이라는 것도 무시못하게 중요합니다. 따라서 석사때 열심히해서 성과를 내고 박사때 랩을 옮기거나 유학을 준비하는 방법이 있습니다.

ㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡ

3. 타대생이 랩컨택을 급하게 준비하는 방법.

2번에 경우를 수행하려면 매우 철저한 계획을 세우고 미리미리 준비해야 합니다. 하지만, 대다수의 학생은 졸업학기가 임박해서 대학원 진학을 결정하기도 합니다.

이때에 팁들은 다음과 같습니다.

A. 관심 분야 연구실들의 대학원 생에게 무차별적으로 메일을 송부하고, 커피 약속을 잡아서 랩 내부 정보와 입시 전략에 대해서 상담한다. 이를 통해 정보를 반드시 습득해야한다.

B. 얻은 정보를 바탕으로 본인만의 순위를 잘 정하고, 1지망, 2지망, 3지망 군을 정한 후, 적극적으로 컨택한다. 컨택시기는 빠르면 빠를 수록 좋다.

C. 만약 상황이 진짜 매우 급하다면 (입시 1달전, 입시 합격 발표 이후) 차라리 입학을 미루고 검증된 랩의 인턴을 하는 것이 좋다.

ㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡ
ㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡ

사례 분석들은 제 지인, 동료, 지인의 지인, 여러 소식처등 제 모든 지식과 자료를 총동원해서 정리해봤습니다. 도움이 되었으면 합니다. 원래 제가 이런거에 관심이 많은데, 김박사넷에 정리해두면 많은 사람이 도움을 얻을 수 있을까 하여 적게 되었습니다. 사례를 바탕으로 특정은 하지 마시길 부탁드립니다!

ㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡ

사례분석 1. 타대 석사 TO 카이 박사에 대한 사례분석


A. 서울대/포스텍 석사 후 KAIST 박사 진학

이 경우 자신의 연구 분야에서 가장 핫한 교수진들이 KAIST에 있을 때 해당됩니다. 반대에 경우도 빈번히 일어납니다. 서/포/카 사이의 이동은 생각보다 자주 일어나는 일이고, 대부분에 학생들이 연구에 관심이 많고 일찍이 커리어/실적이 확립됩니다.

B. 서울 권 명문학교 (연세/고려/서강/성균/한양 등) or IST 석사 후 KAIST 박사 진학

A에 경우와 동기는 비슷하지만, 실적은 오히려 A의 경우보다 더 좋게 쌓고 오는 경우가 대부분이였습니다.

C. 기타 학교 석사 후 KAIST 박사 진학

솔직히 이 경우는 제가 관찰한 바는 없는대요, 본인이 시도한다면 충분히 가능한 시나리오라고 생각됩니다.


ㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡ

사례분석2. 서울대/포스텍 학부 졸업 후 KAIST 석사 진학

이 경우 KAIST 내의 인기랩을 보고 온경우가 대부분이고, 자교 인기랩보다 KAIST 랩이 실적이 확실히 좋거나, 자신의 연구분야와 Fit 한 경우였습니다. (반대의 경우도 당연히 성립합니다.) 또한 학점도 높고 복수전공도 한 경우가 많았습니다.

그럼에도 불구하고 자신이 원하는 랩에 배정된다는 보장이 없었던 것 같습니다. 원하는 랩에 배정받지 못하고 재수를 한 학생도 있습니다. 자신이 가고싶은 랩을 가지 못하고 마지못해 다른 랩을 컨택해서 학생도 많았습니다.

이점이 시사하는 바는 스펙이 매우 출중해도 사전 컨택과 적극적인 랩 서칭, 면담, 인턴 과정을 거치지 않는다면 랩 컨택에 매우 불리하다는 점 입니다. 타대생의 입시 불리함은 그 학벌이 매우 좋아도 적용된다는 점을 잘 알 수 있습니다.

반대로 말하면, 적극적 정보수집과 컨택을 통해 상대적으로 부족한 스펙들을 빠르게 메울 수도 있습니다.

ㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡ

사례분석3. 서울대 졸업 후 연세대 대학원 진학

제가 알고있는 서울대를 졸업하고 연세대 대학원에 컨택한 사례도 있습니다. 연구분야가 매우 마이너 하고, 그게 핏해서 였던 걸로 기억합니다.

제가 느꼈을 땐 김박사넷에서는 유독 서열화에 민감하더라구요. 저는 솔직히 학부 간에는 서열이 있다고 생각합니다 (학부만 졸업할 시엔). 하지만, 대학원 간엔 서열을 나누는 하등에 이유가 없다고 생각하구요, 그저 좋은 교수, 자신의 상황에 맞는 랩이 어디있는가가 중요한 부분 아니겠습니까?

하지만, 서열이 중요한 사람들도 심정이 이해가 됩니다. 카이에 오는 타대생 분들 중에 서열이 높아졌다고 좋아하는 친구들도 많았고, 그 점도 십분 이해를 합니다. 여전히 국내 대기업 중에는 SPK 와 그외 대학의 박사를 나눠놓는 경우도 많구요, 그에 대한 사례도 많이 들었습니다. 제가 속해있는 분야는 논문 실적과, 포트폴리오가 중요해서 박사 학벌 뿐만 아니라 학사 학벌도 큰 의미가 있나 싶구요. 분야, 상황, 사정에 따라 다 다른거 아니겠습니까?


ㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡ
ㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡㅡ


기타 팁

- 인기가 많고 rising star인 랩들이 오히려 공정하고 open-minded 가능성이 높다. 이 경우 미리미리 인턴을 지원해서 aggressive하게 자신을 어필하고, 열정과 잠재력을 보일경우, 예상외 결과를 받을 수도 있다. (자대생 4점대를 누르고 비명문대 노스펙이 합격할 수도 있다. )

- 카이스트의 명성에 속지마라. 카이스트의 대학원은 절대 평준화 되어있지 않으며, 카이스트 입시의 합격은 랩 컨택 없이는 사실상 아무런 의미가 없다.

- 학제전공 등의 학과를 노리는 것도 방법이다. 학과의 이름보다는 교수의 질이 더 중요하다. 학제 전공에서는 TO를 더 받는 경우도 많으니 유리할 수 있다 .학제전공 이름이 맘에 안든다면, 박사과정 진학시 원 학과로 지원할 수 있으니 크게 개이치 않아도 된다.

- 인공지능 대학원을 노리지마라. 인공지능 대학원 내의 스타 교수들을 노리는 것은 좋다. 즉 대학/학과 이름에 연연하지 말고 교수를 먼저 찾아라.

- 일반적으로 박사 진학은 석사 진학보다 쉽다. 하지만 최종 학위는 박사학위일 가능성이 높다. 석사 때 퀀텀점프가 불가하다면 징검다리를 놓고 박사 때 원하는 자리에 가면 된다. 박사 진학이 더 쉬운 이유는 전문연 TO의 부족때문이다. 대부분의 타대생들은 군필인 점을 감안하였다. 미필 타대생이라면 해당되지않는 논리이다.






카카오 계정과 연동하여 게시글에 달린
댓글 알람, 소식등을 빠르게 받아보세요

댓글 39개

허탈한 존 스튜어트 밀*

2021.10.24

저도 KAIST 학석박이고, 좋은 팁 같습니다. 아인슈타인 역시 졸업 시점에는 S급 박사가 아니었다는 점을 제외하고요 ㅋㅋ

2021.10.24

카이 인기랩은 대학원생이 너무 많아서 교수님 지도를 못 받는 경우도 많아서 무조건 가는게 또 맞는건 아닌 것 같습니다. 예를 들어 대학원생이 30명 이면 지도 교수가 30건의 서로 겹치지 않는 또는 약간 겹치는 주제를 만들 수 있어야 하는데, 이는 현실적으로 불가능 하죠. 사실 대학원생을 그렇게 키우는건 교수님 입장에선 어장 관리에 불과 하고 도덕적으로 옳바른건 아닌 것 같네요.

대댓글 4개

해당 댓글을 보려면 로그인이 필요합니다. 로그인하기

해당 댓글을 보려면 로그인이 필요합니다. 로그인하기

해당 댓글을 보려면 로그인이 필요합니다. 로그인하기

해당 댓글을 보려면 로그인이 필요합니다. 로그인하기

착한 막스 베버*

2021.10.24

대체적으로 맞는 말인거 같은데, 석사때 굳이 성과를 잘 내고 있는데 박사를 옮기는 모험을 할 이유는 전혀 없습니다. 유학이면 모를까 카이스트 네임밸류가 그정도는 아닙니다..

대댓글 1개

해당 댓글을 보려면 로그인이 필요합니다. 로그인하기

해당 댓글을 보려면 로그인이 필요합니다. 로그인하기

해당 댓글을 보려면 로그인이 필요합니다. 로그인하기

해당 댓글을 보려면 로그인이 필요합니다. 로그인하기

해당 댓글을 보려면 로그인이 필요합니다. 로그인하기

해당 댓글을 보려면 로그인이 필요합니다. 로그인하기

해당 댓글을 보려면 로그인이 필요합니다. 로그인하기

해당 댓글을 보려면 로그인이 필요합니다. 로그인하기

해당 댓글을 보려면 로그인이 필요합니다. 로그인하기

댓글쓰기

게시판 목록으로 돌아가기

김박사넷의 새로운 거인, 인공지능 김GPT가 추천하는 게시물로 더 멀리 바라보세요.