MSc AI/DS Prep F2022 시험 후기
지난 7월 2일에 사실상 한국에서 마지막일 것이라고 짐작되는 MSc AI/DS Prep 시험을 봤다.
내년 (F2023기수) 부터는 아마 이 시험을 굳이 안 치러도 되지 않을까 싶은데, (어차피 전원 불합격이니까…)
내가 왜 이렇게 절망감(?)에 사로잡혔는지 아래의 후기들을 보면 좀 공감이 되지 않을까 생각한다.
사실 절망감도 아닌게, 오래 전부터 알고 있었던 미래였다ㅋㅋ
참고로, 이번에 탈락자 최고점이 갱신되었다. 55점 -> 55.5점
1. 최고점자
안녕하십니까, 이번에 Prep 시험을 본 XXX입니다! 시험 후기이자 반성문을 적어보려 합니다.
우선 제 소개를 간단히 하자면, 저는 XX대학에서 법학을 전공하고 2021년에 졸업 후 현재 일선에서 XX으로 재직하고 있습니다. 부끄럽지만 대학을 다니는 동안 법학에는 큰 흥미가 생기지 않아서 공부를 열심히 하지 않았습니다. 그렇게 시간을 낭비하다가, 대학교 4학년 초반에 공부가 하기 싫어서 도서관에서 읽을 책을 둘러보다가 빅데이터와 4차산업과 관련된 교양서적을 우연히 읽게 되었는데, 점점 (자신의 전공 분야 내용 중략)에도 Data Science가 필요하겠다는 생각이 들었습니다. 실제로 찾아보니 한국은 이제 막 XX에 빅데이터를 접목하려고 하는 것으로 보였지만, Data Science를 할 인력을 구하지 못하고 있는 것 같았습니다.
그 이후로 데이터에 관심이 생겨서 그와 관련된 정보를 알아보던 중 파비블로그의 글을 접하게 되었습니다. 대표님의 글들을 읽어내려가면서, Data Science를 하려면 생각했던 것보다 깊은 수학적 훈련이 있어야겠다라는 생각이 들었습니다. 그 당시에는 SIAI라는 대학원이 설립되기 전이었고, 설립된다는 것도 몰랐기에 국내 통계대학원을 가고자 마음먹었습니다. 그래서 그때부터 대표님의 글들을 참고해서 수학, 통계 공부를 해나갔습니다. 고등학교도 문과로 졸업을 하고, 대학도 법학을 전공했기 때문에 완전 기초공사부터 해야했습니다. 늦었다고 생각했기에 미적분학부터 기초 해석학, 선형대수, 수리통계, 회귀분석을 정말 열심히 공부했습니다. 공부를 하면서 어려운 점도 있었지만 공부를 하면 할수록, 수학이란 “언어”가 주는 엄밀함의 매력에 빠져들었고, 더 많은 것을 배우고 싶다는 생각이 들었습니다. 그렇게 공부를 하다가 SIAI 대학원이 설립된다는 글을 보고 너무나 기뻤습니다. 그동안 대표님의 거의 모든 글들을 보면서, 물론 온전히 이해를 못한 글들도 있었지만, 망설임 없이 진짜 Data Science 교육을 하는 SIAI 대학원에 진학하고자 마음 먹었습니다.
대표님이 예전 글에서 한국에서 무슨 교육을 받았건 상관없이 MSc를 바로 들어올 수 있는 인재가 없다고 말씀하셨습니다. 사실 그런 말씀을 듣고 저 또한 합격 가능성이 매우 적겠다는 생각이 들었습니다. 그럼에도 불구하고 MSc DS 입학 시험을 본 이유는 저의 수학적 훈련과 더불어 사고 훈련이 얼마나 부족한지 알아보기 위한 것과 떨어지더라도 최선을 다한 결과를 보여드려서 BSc 편입을 해서 교육을 잘 따라갈 수 있다는 것을 보여드리고 싶은 것도 있었습니다. 다만, 시험 기출문제를 거의 그대로 내셨는데도 엉망진창인 답안지를 제출해서 잘 보여드리지 못한 것 같아 아쉬운 마음이 큽니다. 한국에 인재가 진짜 없다는 대표님 생각에 더욱더 확신을 가지게 해드린 것은 아닌지 걱정이 됩니다…
평소에 파비블로그의 글을 탐독하면서, SIAI의 교육이라면 정말 훌륭한 Data Scientist가 될 수 있겠다는 확신을 가지고 있었고, 실제로 강의를 들으면서 더욱 큰 확신이 생겼습니다. 그동안 그저 증명하는 것에만 파묻혀 있다가, 수준 높은 이론 강의와 Problem Set 강의를 들으면서 ‘수학은 이렇게 활용하는 거구나’라는 것을 깨달았습니다. 여기서 교육을 받으면 현실에서 문제가 발생했을 때 잘 해결할 수 있는 Data Scientist가 될 수 있겠다라는 확신을 가졌습니다.
이번 시험도 기출 문제와 거의 비슷하게 나왔는데, 논점을 확실히 파악을 못했고 논리도 굉장히 부실한 답을 제출했던 것 같습니다. 대표님 말씀대로 논리적 사고 훈련이 많이 필요하다는 것을 느꼈습니다. (시험문제 관련된 사항 중략) 또한 그동안 공부하면서 Causality, Endogeneity 부분은 공부를 한 적이 없어서 그 부분은 완전히 새로 배우는 내용이었습니다. 강의를 듣고나니 현실문제를 해결하는 데 이런 개념들을 몰라서는 절대 안되겠다는 생각이 들었습니다. 대표님 말씀처럼 이런 개념을 모르고 Data Science를 하는 사람은 Garbage in, Garbage Out하는 사람이라 생각합니다. IV, 2SLS, Chow test 같은 개념도 선형대수와 회귀분석을 공부했다면 그렇게 어려운 개념은 아니라고 생각합니다! 또한 공부하는데 보조교재로 대표님께서 추천하신 김창진 교수님의 계량경제학 책을 보는 것이 많은 도움이 됐습니다.
또한 공부하면서 느낀 점은 영어 공부도 열심히 해야겠다는 생각이 들었습니다. 이렇게 영어로 공부하면서 시험을 본 적이 거의 없었는데 공부하면서 영어 실력도 많이 부족함을 느꼈습니다. Global 수준의 인재가 되려면 영어는 필수라는 것을 공부하면서 다시 한번 깨달았습니다. 저는 유학을 다녀온 학생도 아니고 평생을 한국에서 살아온 학생으로 Global 수준에서 Data Scientist로 경쟁하려면, 또 대화가 가능하려면 영어를 더욱 열심히 공부해야겠다라고 생각했습니다.
끝으로 비록 떨어졌지만, 이번 시험을 통해서 저의 부족함이 무엇인지 알 수 있게 해주셔서 감사합니다! 공부하는 동안 정말 몰입해서 신나게 공부할 수 있었던 것 같습니다! 맨처음 Data Science공부하겠다고 고등학교 미적분을 공부하면서 읽은 글귀가 생각이 납니다. ‘고등학교 수학의 정점은 근대 수학이라는 거대한 산맥의 등산 입구이기도 합니다.’라고 책을 쓴 작가 분이 말씀하시던 게 기억이 나네요. 그 말처럼 수학 공부를 하면 할수록 앞에 더 큰 산들이 켜켜이 솟아 있다는 기분을 느낍니다. 저는 그런 사실이 오히려 도전해야 할 정상이 있음에 기분이 좋습니다! 성인이 되고 지금까지 제주도를 3번 갔는데, 그때마다 한라산을 등반했습니다. 산을 오르는 것을 굉장히 좋아하는데, 아무리 높아보여도 한 걸음 한 걸음 내딛다 보면 어느새 정상에 올라서 숨막히는 풍경을 보는 것을 즐기기 때문입니다. SIAI에서 교육을 받는다면 수학이라는 산, Data Science라는 산이 결코 불가능한 천애 절벽이 아닐 것이라는 생각이 듭니다. 이번 시험을 준비하면서 좋은 가르침 주신 대표님과 조교님들 모두 감사합니다!
아래는 답변 글이다.
전반적으로 그간 본 학생들 중에 조교 급들 제쳐놓고 가장 우수한 답안지를 쓰셨으니 가슴을 펴기 바랍니다. 수학이 공식 암기나 증명이 아니라, 논리 전개를 위한 도구라는걸 좀 더 일찍 깨달을 수 있는 기회가 있었다면 이번보다 훨씬 더 좋은 답안지를 쓸 수 있었을, 매우 잠재력이 뛰어나고 훈련이 잘 된 학생이라고 생각합니다.
2. 열심히 공부한 티가 나는 답안지 작성자
안녕하세요 🙂 Prep 시험 후기 남기러 왔습니다.
평소에 파비 블로그를 애독하고 있었는데, 막상 첫 인사를 이렇게 글로 드리게 됐네요. 먼저 열심히 강의해주신 대표님과 조교님들께 감사드립니다. 특히, 두 번째 문제를 풀어주신 조교님께서 상세하게 설명해주신 덕분에 직장 다니면서 포맷됐던 통계학 지식들(회귀분석 및 확률모형)과 익숙하지 않은 계량경제학 지식들(ME, OVB, Simultaneity, Treatment Effect)을 그래도 시험 보기 전까지 이해한 척은 할 수 있었던 것 같습니다. (중략)
– 자기소개
: 서울에 있는 중위권 대학교에 경영학부로 입학했지만 회계, 재무를 제외하면 전문성이 떨어진다는 걸 느껴서 통계학을 복수전공하고 졸업했습니다. 재무관리 공부하다가 CAPM에서 화나서 오히려 통계학을 더 팠던 것 같습니다. 그러다가 ‘통계학을 복수전공하면 어떨까?’ 라는 생각이 들었는데, 문과생이지만 수학을 좋아했고 경영학과 연계되면 시너지를 낼 것 같아서 아무것도 모르던 당시에 무모한 선택을 했습니다. 다행히, 무사히 종이학위로 졸업하고 현재는 시계열 데이터를 다루는 IT 회사에서 근무하고 있습니다. 1년차 때 딥러닝을 위한 노트북을 검색하다가 파비 블로그를 알게 됐고, 수요 곡선 추정하는 글과 Cobb-Douglas 함수를 적용하는 직관이 담긴 글을 보고 놀라서 그 이후로 꾸준히 읽게 됐습니다.
– 꾸준히 읽게 된 계기 + Prep 지원 계기
꾸준히 읽게 된 또 다른 이유는 회사에서 일하면서 답답함이 많이 느껴졌기 때문입니다. 회사에 대한 답답함과 저에 대한 답답함이 둘 다 있었습니다. 딥러닝이 들어가야 AI가 들어간 제품으로 팔리고, 제가 풀어야 했던 문제는 딥러닝을 쓰기에 제약이 많아서 시계열 통계학을 적용하려니까 ‘혼자서만 아는 방법을 적용하면 어떻게 하냐’는 핀잔을 듣기도 했습니다. (비록 종이학위지만, 저만 통계 전공자였습니다). 그리고 시계열 통계학을 적용하려고 해도, 지식이 없는 제 자신이 답답한 것도 컸습니다. 학부 시절 배운 것은 증명 위주였고, 현업에서 써 먹을 수 없는 죽은 지식들이었거든요. (물론 교수님들은 잘 가르치셨을 것이고, 제가 그걸 응용할 머리가 안 되는 멍청한 둔재겠지만요).
하지만 실제로 만난 데이터들은 결측치, Non-Stationary, Change-Point, Seasonality가 전부 제각각이었습니다. 이들을 전부 고려하면서 예측 성능이 높은 하나의 시계열 장기 예측 모델을 만들어야하는데, 너무나 막막했습니다. 학부 때랑 달리 데이터가 엄청 복잡해졌는데 아는 건 없고 눈치는 보이고 정말로 답답했습니다. 아니 최소한 풀 수 있는지 없는지라도 논리적으로 설명하고 싶었는데, 그럴 능력이 되지 않습니다. 그래서 그 이후로는 개발 및 SI성 프로젝트를 조금씩 더 하게 됐고, 계속 읽던 파비 블로그 글은 뭐랄까 ‘나도 저렇게 되고 싶다. 근데 될 수 있을까?’는 생각과 함께 한 줄기 빛과 같아서 계속 읽게 됐습니다. 대학원을 설립하신다는 얘기를 듣고 바로 MSc AI Prep을 지원했었는데, 지식이 너무 포맷되기도 했고 MSc DS도 DNA가 없는 나한테는 너무 어려울 것이라는 생각 그리고 작년에 SI프로젝트 야근이 너무 심해서 수업도 못 들을 것 같아 올해로 미뤄 이렇게 지원하게 됐습니다.
(이후 공부 방법 중략)
이 분이 쓰신 댓글들이다.
허허 지금 채점기준을 보니까 ‘스스로’ 공부를 더 한다고 점수가 높았을 것 같지는 않아 보이네요 ㅎㅎㅎ 시간이나 방법 문제가 아니라 제 논리가 부족하다는 말 밖에,,, 못 하겠습니다 ㅎㅎ (후기) 올린 것도 부끄럽습니다;;
와,,, 지금 다시 채점 기준을 보고 제가 쓴 답을 보니까 너무나 구멍이 숭숭 뚫려있네요 ㅜ ㅜ. ‘2시간 안에 저걸 다 밝혀서 쓰는 사람이 있을까’ 하는 생각이 들기도 하지만, ‘그 촉박한 시간 안에 저런 기준들이 있다는 걸 파악할 수 있어야 그만큼 내 논리가 평소에 탄탄하게 구축되어 있겠구나’는 것을 보여줄 수 있겠군요. 제 실력에 아쉽기도 하고 조교님들께 죄송하기도 하고 한편으로는 더 분발하고 싶기도 하고 그렇습니다 ㅎㅎ
개념을 풀어서 설명하는 건 그래도 시간이 지나면 할 수 있겠는데 이걸 엮어서 새로운 문제를 풀어내려고 하니까, 어느 순간 스스로 넘을 수 없는 한계를 느꼈습니다. 그 방식이 수학적인 증명이든, 아니면 논리적인 서술이든 간에 벽에 막힌 기분이 들었습니다. 이 상태가 아마 계속 말씀하신 논리 부족, 사고력 부족, DNA 부족인 것 같습니다
(내부에서 공유하는 채점 가이드 라인이다)
스스로 공부를 더 한다고 점수가 높았을 것 같지는 않아…
문제 만들기가 귀찮았던 부분도 있지만, 냈던 문제 또 내는데도 못 풀지는 않겠지라는 일말의 기대(?)를 갖고
기출문제와 거의 같은 문제를 출제했는데, 어떻게 보면 매우 예상치와 유사한(?) 점수를 봤다.
나의 학창시절 경험상, 이런 복합 서술형 시험들은 문제를 안다고 더 고급 답안지가 나오기가 쉽지 않더라.
내가 얼마나 깊은 이해를 갖고 있느냐, 즉 내공을 모두 쏟아내는 답안지를 써야 되는데,
문제를 알고 답을 베껴봐야, 그 답안지에 내공이 안 담겨 있으면 아주 살짝만 문제가 달라져도 보잘 것 없는 답안지가 된다.
마치 좋은 논문을 베껴쓰면 문맥이 안 맞고, 짜임새가 어그러져서 평범하지도 못한 논문으로 전락하는 것처럼.
시험치른 학생들도 심지어 거의 똑같은 문제들을 아주 상세하게,
TA들이 나한테 꾸중들어가면서 좀 더, 더 상세하게 설명해줬는데도 결국 안타까운 결과를 얻었다.
대신 이렇게 먼저 두들겨 맞고나면, MBA AI/BigData나 BSc Data Science (Top-up) 과정을 들어와서도
처음 맞아보는 학생들보다 훨씬 더 빨리 이해하고 더 빠른 속도로 성장하리라 생각한다.
물론 본인의 노력 여부에 달려있겠지만.
굳이 반성문을 쓰실 필요는 없고, 한국에서 교육 받았으면, 엄청난 DNA를 갖고 있는 희귀종이 아닌 이상,
수학을 도구로 쓰는 경험치를 2달 교육만으로 빠르게 흡수하는 것은 불가능하다.
적어도 나는 2달만에 흡수 못했던 DNA 없는 학생이었다.
그런 바보가 강의노트를 만들고 문제를 낼 수 있는 수준이 되었다는게 여전히 믿기지 않는다.
그간 고생해서 만든 노트와 연습문제, 시험문제들로 저런 깨달음을 얻었다면,
쉽게 말해 “돈 값”을 하는 교육이었지 않았나 싶다.
난 그런 “돈 값”을 머리로, 아니 몸으로 흡수하는데 오랜 시간이 걸렸는데,
시험 문제를 아주아주 상세하게 풀어주는 교육을 받아서인지, 아님 정말 우리 학생들이 나보다 더 머리가 좋은 학생들이어서인지는 모르겠지만,
다들 1-2달 교육만으로 이렇게 쭉쭉 성장하는걸보니 좀 뿌듯하고, 다른 한편으론 난 왜 그렇게 오래 걸렸을까 싶어 쪽팔린다.
난 그 시절 심지어 논리 부족, 사고력 부족, DNA 부족이 원인이라는 것도 모르고, 그냥 수학 공부만 더 했던 바보였었다.
굳이 이해도 못하는 Functional Theory 책 찾아 도서관 가는 뻘짓하지 말고, 좋은 기출문제들이나 한번 더 풀어볼 걸….
난 아무도 문제 풀이 안 해줘서 오래 걸렸었다고 변명하고 싶다ㅠㅠ
문과는 하면 안 되나?
위의 두 학생은 모두 법, 경영처럼 수학과는 매우 거리가 먼 전공 출신들인데,
본인들 스스로 열심히 수학, 통계학 공부를 한 티가 나는 분들이었다.
어쩌면 그러니까 MSc AI/DS를 바로 들어가보고 싶다고 욕심을 냈던거겠지.
그런데, 한국인 모두가 인정하는 명문대인 대전 K대에서 석사까지 한 학생이 저 두 분보다 답안지 퀄리티가 낮다.
개인적으로 어떤 속사정이 있었을지 모르겠는데, 단순히 점수 차이, 답안지 1-2장으로 평가하는건 위험하다는건 공감하지만,
반대로, 문과라고 굳이 박해(?)를 받아야 할 필요가 없다는 부분에는 공감이 될 것이다.
문과라고 손해를 보는 건 아니다라는 포인트에 하나 더 추가하면,
두 분이 독학으로 열심히 수학, 통계학 공부를 하셨는데,
시간이나 방법 문제가 아니라 논리가 부족하다는 말 밖에…
논리 부족, 사고력 부족, DNA 부족…
라는 부분에서 느끼겠지만, 실제로도 얼마나 논리적으로 지식 체계를 쌓아올릴 수 있느냐가 관건이다.
아마 독학만 하신 위의 두 분보다 우리나라 명문대의 수학을 도구로 쓰는 전공들 박사 전공자들이
수식에 대한 노출도만 놓고보면 훨씬 더 높을 것이다. (그렇겠지?)
그런데, 정작 우리 방식으로 만든 문제, 아니 일상의 현실을 압축 추상화해서 만든 문제들을 푸는 능력은,
1-2달 동영상 강의만 봤던 위의 시험 응시자들이 벌써 한참 추월한 상태라고 자신있게 말할 수 있다.
그간 한국에서 봐온 공학 출신 “전문가”라는 사람들의 수준을 충분히 짐작하고도 남음이 있기 때문이다.
어차피 MBA/BSc 레벨로 필요한 수학은 대단치 않기 때문에, 이미 응시자 분들이 전부 다 배운 상태라고 짐작된다.
그러나, “현실에 쓸 수 있는” 레벨이 될려면 한국 대학들에서 배울 수 없는 논리적 사고 체계, 직관적 활용법을 얻어야한다.
그리고, 학부 수준에서라도 회사 업무를 그렇게 현실을 압축 추상화해서 문제 풀듯이 풀어낼 수 있게 되면,
내가 MBA AI/BigData 교육 과정을 만든 궁극적인 목표를 달성하는 셈이 된다.
더 공부한다고 될 문제가 아니라 논리가 부족하다는 말 밖에… 라는 저 분의 댓글에 이렇게 달았다.
요걸 느꼈으면 학교 교육의 가치를 120% 얻어갈 수 있는 준비가 된 겁니다.
꼭 우리 학교 올 필요없고, 능력되면 영미권 탑스쿨가서 꼭 저런 교육을 받고 성장하시기 바란다.
여러 차례 말한대로, 아무 학교나 간다고 무조건 다 저런 개념을 가르쳐 주는건 아니니까,
비싼 돈 쓰는 만큼, 무조건 학교 종합 랭킹만 덜컥 믿을게 아니라, 제대로 된 교육 과정을 눈 크게 뜨고 찾아가셔라.
좋은 교육 받아서 우리나라의 절망적인 Data Science 인재 풀과 시장 상태를 좀 뜯어 고쳐주시면 좋겠다.
