[공지] 2024학년도 SIAI 입학 요강 및 Q&A

지난 3월 4일에 공지된대로, 한국인을 대상으로 한 특별 프로그램은 2024학년도 신입생을 마지막으로 폐지됩니다. 내년부터는 글로벌 리크루팅만 진행되는만큼, 올해 입학 요강 공고가 (주)파비를 통해 한글로 진행되는 마지막 공고가 될 예정입니다. 내년 이후에는 SIAI 공지 게시판을 통해 직접 확인하시기 바랍니다.

입학 관련 서류 절차 및 등록금 관련한 사항, 그리고 Q&A에 대한 답변입니다.

1.입학 관련 서류

• 공통
  • Resume (Curriculum Vitae)
  • Statement of Purpose
• BSc Data Science (Top up)
  • 학부 재학 증명서 or 졸업증(졸업예정증명서)
    • 국내 기준 학부 과정의 80% 이상을 이수한 상태일 것
    • 고교 졸업증 제출 불필요
• MBA AI/BigData
  • Tech/Biz track 상동
  • 모든 학위 졸업증 및 성적표
  • 직장 경력 설명 or 커리어 목표 설명 Essay
    • 학위 중 목표로 삼은 논문과 관련된 주제 소개 필수
    • 600단어 이상 1,000단어 미만
• MSc AI/Data Science (2 Year)
  • MBA AI/BigData와 상동
  • 미국 Research School 수준의 대학에서 수학, 통계학 과목 수강 내역
  • 하단 ‘특별수업’ 평균 60점 이상 (8월 시험 후 입학 최종 확정)

모든 문서는 영어로 제출해야 합니다.

2. 등록금

• 공통
  • 응시료: EUR200 (한국 시스템 지원자 대상 KRW250,000)
  • 입학비*: EUR1,000 (한국 시스템 지원자 대상 KRW1,300,000)
  • 수업료: EUR1,850/class (한국 시스템 지원자 대상 KRW2,500,000)
• BSc Data Science (Top up)
  • 수업료 합계: EUR31,450/17 classes (한국 시스템 지원자 대상 42,500,000)
  • Research Project: EUR2,300 (한국 시스템 지원자 대상 3,000,000)
  • 학회 논문 심사비: KRW1,000,000
  • 전체 합계: KRW48,050,000
• MBA AI/BigData
  • 수업료 합계: EUR22,200/12 classes (한국 시스템 지원자 대상 30,000,000)
  • Dissertation: EUR2,300 (한국 시스템 지원자 대상 3,000,000)
  • 학회 논문 심사비: KRW1,000,000
  • 전체 합계: KRW 35,550,000
• MSc AI/Data Science (2 Year)
  • 수업료 합계: EUR44,400/24 classes (한국 시스템 지원자 대상 60,000,000)
  • Dissertation: EUR2,300(한국 시스템 지원자 대상 3,000,000)
  • 학회 논문 심사비: KRW1,000,000
  • 전체 합계: KRW 65,550,000

*Non-refundable

BSc Data Science (Top up) 과정은 3학기로 구성되고, 2, 3학기는 MSc AI/Data Science의 첫 1년과 동일한 교육과정입니다. 즉, BSc Data Science (Top up) 과정을 무사히 졸업할 경우 시험없이 MSc AI/Data Science의 2년차로 입학 할 수 있습니다. MSc AI/Data Science의 상위 1년이 정식 석사 학위고, 하위 1년은 학부 졸업반 과정에 해당하기 때문입니다.

MSc AI/Data Science (2 Year)로 입학한 학생이 최초 1년간(12과목) 평균 60점 이하의 성적을 기록할 경우에는 BSc Data Science 학위가 주어지고 MSc AI/Data Science (1 Year) 과정 입학은 추가 입학 심사를 거쳐야 합니다. BSc 과정 중 Research Project, 학업 성취도 등을 종합적으로 고려합니다. 평균 50점 이하의 경우에는 학위가 제공되지 않습니다.

3. 입학 절차

• ~ 2024년 5월 12일: 등록 서류 제출 및 응시료 납부
• ~ 2024년 5월 19일: 온라인 면접 2회
• ~ 2024년 5월 31일: 입학비 납부
• 2024년 6월 1일: 신입생 맞이 모임
• ~ 2024년 7월 31일
  • BSc, MSc: 1st Term (9월, 10월) 수업료 납부
    • BSc는 매 2개월마다 수업료 납부
  • MBA: 1st Semester (2024년 9월~2025년 2월) 수업료 납부
    • MBA는 매 6개월마다 수업료 납부
• ~ 2024년 8월 23일: 예비 수업
  • 수학 & 통계학 기초
  • LaTeX 예시
  • Python 활용 교재

4.특별 수업

신청자 대상으로 BSc 1st Term에 해당하는 STA501, STA502 수업을 6월 17일부터 8월 11일까지 진행 후, 8월 17일에 모의 기말고사를 치릅니다.

• 교육 기간: 2024년 6월 17일 ~ 2024년 8월 11일
• 예비 시험: 2024년 8월 17일
• 시험 풀이: 2024년 8월 24일

그간 대부분의 학생들이 한국과는 다른 교육 수준에 충격을 먹고 학위 과정을 1학기가 끝나기 전에 포기하는 경우도 많았고, 시험 방식, 채점 방식이 달라 어려움을 겪는 경우도 많았습니다. 지난 F2023 기수를 대상으로는 시험을 2달 연기하고 모의고사를 치러보기도 했습니다만, 대부분의 학생들이 여름 방학 기간인 6~8월 중에 실제 교육에 해당하는 STA501, STA502를 듣고 충격 요법을 먼저 겪는 것이 낫다고 주장해서, 여기에 맞춰 교육 프로그램을 일부 조정합니다.

본 특별 수업은 학위 과정 교육이 아닌만큼 학점에는 합산되지 않습니다.

특별 수업 수강 신청 절차는 아래와 같습니다

• ~ 2024년 6월 1일: 수강 의사 표명
• ~ 2024년 6월 14일: 수강료 납부
  • 수강료는 초 수강료와 상동 (KRW5,000,000)
  • 1st Term 이후 강의는 재수강으로 계산됨 (강의료의 50%, 과목 당 KRW1,250,000)

강의 방식

• 1주 3시간 (약 2시간 30분) 2회 수업
• 1주 1시간 2회 문제 풀이

STA501, STA502가 사실상 1개의 수업을 2개로 분리해놨다는 평가를 받을만큼 수업이 유기적으로 연결되어 있습니다. 또한 기초 수학&통계학 훈련, Data Scientist 방식으로 생각할 수 있는 훈련에 대한 가늠자가 되는 수업들이기도 합니다.

특히, MBA AI/BigData (Technical track)을 희망하지만 개인 역량이 부족한 학생들의 경우, MBA AI/BigData (Business track)을 결정하는데 매우 효과적인 Litmus test가 될 것으로 보입니다.

실력 부족을 뼈저리게 느껴서 1년 간 준비 후에 재입학 하는 경우도 상당한 숫자가 됩니다만, 결국에는 직관적 이해에 초점을 맞춘 MBA AI/BigData (Business track)을 선택하는 것을 봤을 때, 미리부터 빠른 결정을 내릴 수 있도록 앞당겨 수업을 진행하겠습니다.

수업은 동영상 녹화본, 문제 풀이는 Live로 진행합니다. (온라인)

5.기타 Q&A

Q.학부 시절에 수학 공부를 거의 안 했는데, 제가 공부할 수 있는 내용인가요?

A.고교 수학의 주요 개념에 해당하는 확률, 분포, 미분, 적분 등은 기본적인 도구로 쓰입니다. 따라서 해당 내용을 모르면 아예 따라올 수가 없습니다.

대학 수학은 학부 1학년 때 배우는 선형대수학, 미분방정식 교과서의 일부를 갖고 옵니다만, 기 재학생들이 공통적으로 수학을 잘 해야 하는 전공이 아니라, 수학(&통계학)이라는 도구를 어떻게 잘 활용하는지를 알아야 하는 전공이라고 입을 모읍니다.

명문대 수학과 출신도 개념 확장을 못해서 어려워하기도 하고, 반대로 수학 교육이 사실상 없는 경영학과 출신임에도 동료들에게 인정받는 실력자로 성장하기도 합니다.

학위 과정 중 좌절하게 된다면 수학을 못해서 좌절하는 것이 아니라, 사고력 훈련을 따라오지 못해서 좌절하는 것입니다. 단, 고교 수학을 전혀 따라가지 못했다면 추천하지 않습니다.

Q.저는 ‘수알못’이어서 매우 기초적인 수업을 듣고 싶은데, 그런 수업은 없나요?

A.안타깝습니다만, 영·미권으로 가봐도 STA501, STA502 정도의 수업을 듣기 위한 선수 과목은 자연과학의 선형대수학, 미분방정식, 공학의 공학수학, 경제학의 경제수학 같은 과목들입니다. 오히려 저학년 과목들과 범위가 겹치도록 만들어 놨기 때문에, 굳이 선형대수학을 매우 잘 알아야 하는 수업이 아닙니다. 수학을 학부 시절에 전혀 배우지 않은 경영학과 학생들이 살아남는 것에서 확인할 수 있는 대목입니다.

반복적으로 강조합니다만, 수학을 못해서 STA501, STA502를 따라오지 못하는 것이 아니라, 수학을 ‘언어’로 쓸 수 있는 추상화 능력, 제가 평소에 ‘직관’이라고 부르는 능력이 부족하기 때문에 수업을 따라오지 못합니다. 경영학과 출신들이 살아남는 것과 반대로, 수학과, 통계학과 출신들이 STA501, STA502 수업 중간에 포기하는 경우들이 있다는 것에서 확인할 수 있습니다.

굳이 더 기초 과목을 듣고 싶다면 수학과의 선형대수학, 미분방정식, 공대의 공학수학, 경제학의 경제수학을 들어보라고 할 수는 있습니다만, [공지] 2024학년도 SIAI 입학 요강 중 특별 수업 관련 Q&A에서도 지적한대로, 1년간 입학 유예 후 수학, 통계학 공부를 하고 입학한다고 해서 생존율이 바뀌지 않았습니다.

Q.저는 그래도 꼭 선수학습을 해서 생존율을 끌어올리고 싶습니다

A.꼭 수학&통계학으로 선수학습을 해 보고 싶다면 통계학 | 류근관 이라는 책을 보는 편이 더 도움이 됩니다. 서울대학교 류근관 교수님 (전 통계청장)의 동영상 강의도 온라인에서 쉽게 찾아볼 수 있습니다.

• 류근관의 통계 특강 / 서울대학교 경제통계학 강의 / 제1강 통계학이란 무엇인가? (youtube.com)

류 교수님의 수업은 스탠포드 대학의 농구 특기생 출신인 모 NBA 선수가 한 인터뷰에서 대학 시절에 들은 가장 명강의로 꼽은 적도 있습니다. 저희 SIAI 강의들을 감히 류 교수님 같은 대학자의 수업과 비교할 깜냥은 못 됩니다만, 공부 할 시간이 부족한 운동 특기생이 수업을 따라왔다는 것은, 수학 실력이 중요한 것이 아니라, 직관적 이해가 얼마나 중요한지를 잘 보여주는 예시라고 생각됩니다.

국내 교육이 그런 직관적 훈련을 시켜주는 경우가 굉장히 드물기 때문에 적응에 시간이 필요한 것은 공감이 됩니다만, 데이터 사이언스 전문가가 되고 싶다는 분이 운동 특기생이 따라가는 교육을 못 따라갈까 무서워서 선수학습을 하고 싶다는 이야기는, 학원식 선수학습에 익숙해진 한국인의 학습 방식을 너무 잘 보여주는 것 같습니다.

듣기 불편한 소리를 하나 하면, STA501, STA502 수업을 재수강을 해도 전혀 따라오지 못했다는 것은 고교 이하 과정에서 미국처럼 수학 교육을 안 하는 나라의 운동 특기생보다 대학 교육을 따라올 능력이 부족하다는 뜻입니다.

류 교수님의 강의를 추천하는 것도, 지식을 미리 배울 수 있는 수업이라는 관점이 아니라, 수학/통계학 도구를 현실에 어떻게 이용하는지에 대한 직관을 배우는 훈련이기 때문입니다.

단, 고교 수학을 전혀 모르는 상태라면 (ex. log10=log2+log5, z=f(x,y)의 x, y기준 1,2차 미분/적분, 등차수열/등비급수 등) 수업을 따라가기는 어렵습니다.

Q.저는 수학을 못하기 때문에 MBA AI/BigData (Business track)을 선택해야 할 것 같습니다. 근데, 교육 과정에 차이가 나서 제대로 배우지 못하는 것은 아닌가요?

A.교육 과정은 동일합니다. 다만 시험, 텀페이퍼 같은 평가 방식이 다를 뿐입니다. 첫 학기 수업에서 충격을 먹고 1년 재수 후에 복학한 학생이 Business track이라는 사실에 자격지심을 느끼는 것을 본 적이 있습니다만, 첫 시험이 끝나고 난 이후로 전혀 불만없이 교육 과정에 매진하고 있습니다. Technical track, 혹은 BSc Data Science 과정이 본인의 목표와 일치하지 않는다는 점을 확인했고, Business track만으로도 충분히 교육 목적을 달성할 수 있다는 것을 깨달았기 때문일 겁니다.

Q.솔직히 Business track은 실력이 부족한 학생들이 가야하는 트랙 아닌가요?

A.지난 2023년 9월부터 2024년 3월까지 진행된 논문 심사에서 Business track 학생들의 논문 중 일부가 Technical track 학생들의 논문보다 높은 점수를 받았습니다. 교육을 받기 전에는 수학을 잘 하고, 코딩을 잘 하는 것이 Data Science라고 생각하겠지만, STA501, STA502 수업들만 듣고나도 Data Science의 핵심은 직관적인 이해라는 것을 깨닫게 될 것입니다.

수학적인 도구를 쓰느나, 논리학적인 도구를 쓰느냐의 차이일 뿐인만큼, 학생들의 성과를 보면서 교육을 제공하는 저 스스로도 두 트랙 간의 차별을 두지 않게 되었습니다.

Q.저는 Business track으로 공부하느니 재수해서 Technical track을 하는 것이 낫다고 생각합니다. 학위 과정 중간에 변경은 가능한가요?

A. 좌절감을 심어줘서 미안합니다만, STA501, STA502 수업들을 듣고나면 1~2년 재수를 한다고해서 못하던 Technical track을 할 수 있는 것이 아니라는 것을 깨닫게 될 겁니다. 수학&통계학 기초가 많이 부족하지만 이해력이 매우 뛰어난 분이라면 학위 과정 중에 조금 더 시간을 내는 것만으로 충분히 따라잡을 수 있고, 반대로 수학&통계학 훈련이 아무리 잘 된 상태라고 해도 Data Science의 문제 풀이에 응용하는 역량이 부족하면 극복하는데 오랜 시간이 걸립니다.

학위 과정 초반에 F를 계속해서 받다가 과정 막바지에 도달하면 STA501, STA502을 재수강해서 점수를 잘 받을 수 있을 것 같다고 생각하는 경우들이 종종 나타나기는 합니다. 부족하지만 수학적 토대를 만들고, 그 위에 더 시야가 확장되면서 Data Science 방식으로 생각할 수 있는 사고력, ‘내공’이 쌓였기 때문입니다. 이런 경우에는 Business track으로 시작해서 1년 후부터 Technical track으로 재수강을 하시면 됩니다.

재수강은 학위 인증 기관 비용 및 시험 출제, 채점 조교 급여 등에 기반해 각 과목별로 수업료의 50%입니다.

Q.졸업요건은 어떻게 되나요?

A.모든 과목에서 Pass (50점) 이상을 받았고, 논문 (연구 보고서)에서 역시 Pass 점수를 받으면 됩니다. Fail한 과목들은 재수강을 통해 학점을 변경할 수 있습니다.

Q.논문지도는 어떻게 진행되나요?

A.학생들에게 9월부터 이듬해 2월까지 총 6번의 발표 기회가 주어집니다. 이른 준비가 된 학생들은 8월 이전부터 학생 간 스터디 그룹 등을 통해 논문을 준비하는 것을 볼 수 있었습니다. 올해도 3월 심사에 탈락한 학생들이 절치부심해 논문을 쓰고 있으면 8월에 예비 지도 수업을 할 예정입니다.

논문 지도 중에는 주제가 적합한지, Data Science 관점에서 어떤 직관을 뽑을 수 있을 것으로 보이는지 등을 설명하거나, 활용한 계산법에 대한 지적, 직관적 이해에서 빠진 부분에 대한 지적들이 이어집니다.

BSc의 경우 BUS501, 502, 503 수업에서 다루는 AI/Data Science 관련 실제 사례들을 학생 스스로 확장한 연구 보고서로 논문을 대체하게 됩니다. 실제 사례는 금융 시장, IT 시장, 온라인 마케팅 시장, 교육 사업, 정치권 투표 사례 등, 현실의 다양한 사례들을 수업용 텀페이퍼로 바꿔놨습니다.

학위 과정 중에는 그룹의 공동 과제로 제출하게 됩니다만, 논문(및 연구 보고서)은 특별한 사정이 없는 이상 단독 과제로 진행됩니다. 반드시 두 명 이상의 학생이 협력해야하는 요건을 갖추고 있고 (각 전문 분야의 결합이 필수인 경우), 협력했을 경우 결과물이 고급 논문이 된다는 판단이 있을 경우에 한해서 졸업 논문도 공동 과제로 제출할 수는 있습니다.

Q.장학 제도는 어떻게 되나요?

A.저는 우수한 학생들이 있으면 많은 일을 나눠줘서 제 업무를 줄이고 싶습니다. 그런데 안타깝게도 조교로 선발할 수 있는 학생들은 그렇게 많지 않습니다. 올해는 6월부터 특별수업을 개설하는만큼, 좀 더 빠르게 준비되는 학생이 생기면 개강 시점부터 업무를 줄 수 있게 되기를 바랍니다.

설립 당시였던 F2021 기수에는 TA, RA를 할 수 있는 학생들이 일부 있었습니다만, 그 이후로는 실력을 갖춘 학생을 찾아보기 어려운 상태입니다. 현재는 해외AI/DS소식 섹션의 번역 기사를 담당하는 학생이 있습니다.

제가 원하는 조교 후보군은 AI/Data Science를 매우 잘 하는 학생, 매우 잘 하지는 않더라도 수업을 따라오면서 영어 문서 상으로 의사 소통에 전혀 문제가 없는 학생입니다.

Q.여기서 AI를 배우면 AI 전문가가 될 수 있나요?

A.기 졸업생들의 논문을 보면 판단하실 수 있을 겁니다

• AI/DS논문이야기 – The Pabii Research

Q.여기서 배우는 내용이 AI가 아니라 통계학이라고 들었습니다. 어디까지가 사실인가요?

A.일반에 AI라고 알려진 지식은 학문적인 계통 분류를 따질 때는 계산통계학, 혹은 계산과학에 해당됩니다. 통계학 중 컴퓨터를 이용해 계산을 해야하는 분야를 지칭합니다. 실제로 2000년대 초반까지만해도 컴퓨터 과학 전공에 계산통계학이라는 이름의 세부 전공이 있었고, 해외 유수의 대학들에서 계산통계학과는 컴퓨터 과학 전공자들과 통계학 전공자들이 함께 운영하는 경우가 많습니다. SIAI 교육은 그런 계산과학을 사회·문화적인 현상에 적용하는데 초점을 맞추고 있습니다. SIAI의 목표를 정의하면서

• AI Business School

이라고 이름 붙였습니다. 계산과학을 기업 현장에서 쓰는 것을 다루는 교육 과정을 운영하고 있기 때문입니다. 예를 들어, 반도체 기업에서 수율이 나쁜 기계를 분리하고 싶다고 했을 때 어떤 데이터를 어떻게 가공해서 계산 모델을 만들어야 하는지, 온라인 광고 효과가 나쁜 채널과 좋은 채널을 판단하기 위해서 어떤 데이터를 구해야하고, Static 정보를 Flow 정보로 바꿔야 하는 이유가 무엇이고, 순서 정보를 추가했을 때 채널간 결합 효과는 어떻게 판단해야하는지를 따집니다.

단순히 코딩 라이브러리를 갖고와서 소프트웨어 개발 업무 중에 AI라고 불리는 라이브러리를 붙여넣고 싶으시다면 IT 코딩 학원들을 찾아가시기 바랍니다.

교육 과정의 특징은 외부에 공개된 시험 문제, 학생들의 반응을 통해서도 확인하실 수 있습니다.

• [공지] MBA AI/BigData 3rd term 문제 공개 – 비지니스와 AI 연계란? – The Pabii Research
• Machine Learning Term paper – The Pabii Research
• MSc AI/DS Prep F2022 시험 후기 – The Pabii Research

Q.국내 대학들의 AI/Data Science 교육과는 어떻게 다른가요?

A.국내 대학들의 개별 사정을 정확하게 알지는 못합니다만, 대부분은 공학 전공 아래에서 정부 프로젝트, 기업 프로젝트를 진행하면서 수업을 조금 더 듣는 형식으로 돌아가는 것으로 알고 있습니다. 프로젝트들도 고급 기술적인 도전을 하는 경우가 드물고, 대부분은 인터넷 상에 돌아다니는 코딩 라이브러리를 붙여넣는 경우에 지나지 않고, 무엇보다 모든 학문의 가장 근간인 수학&통계학 훈련이 매우 기초적인 상태인 것을 각종 채널로 확인하고 있는 중입니다.

국내 대학의 대학원을 다니던 학생들이 1학기에 배우던 내용을 SIAI의 8주짜리 수업 하나에 다 배웠고, 내용의 깊이도 훨씬 더 깊다는 표현을 쓰는 경우가 많습니다. 반대로 국내 명문대에서 관련 전공(ex. 컴퓨터 공학)으로 박사 학위가 있는 분도 첫 학기부터 어려움을 겪는 경우도 흔합니다. 대부분은 수학&통계학 기초가 매우 부족한 상태에서 국내 대학 학위를 받으셨기 때문입니다.

위의 Q.저는 그래도 꼭 선수학습을 해서 생존율을 끌어올리고 싶습니다 는 질문에 대한 답변으로 미국 NBA 선수도 이해하는 수업을 한국 학생들이 힘들어한다는 지적을 했던 것처럼, 한국 교육이 대부분 피상적인 지식 전달, 점수 획득에만 초점이 맞춰져 있을 뿐, 현실 적용을 위한 본질에 대한 이해가 결여된 경우가 매우 많습니다.

• 배워봐야 어디 써먹냐

라는 자괴감 섞인 질문이 자주 나오는 것도, 피상적인 공식 암기가 교육이라는 착각을 벗어나지 못한 상태이기 때문입니다.

또 하나 해외 명문대들과 공유하는 교육의 특징은 ‘Data Science적인 직관‘이라고 지적하고 싶습니다. 각 과목별 소개에 공개된 기출문제, 학생들의 논문 등을 통해서도 확인할 수 있겠지만,

• A라는 계산법을 썼다 – 최신 계산법이고 잘 맞는다고 업계 사람들이 이야기하기 때문에

라는 관점이 아니라

• B라는 계산법을 B’로 고쳐서 썼고, 거기에 맞춰서 데이터도 C를 C’로 바꿨다 – 풀어야 하는 우리 회사의 문제는 (B’, C’)를 써야 오차를 최소화하고, 계산 비용을 적게 쓰면서 풀 수 있기 때문에

라는 관점으로 AI/Data Science를 접근합니다.

그간 국내 대학의 AI/Data Science 전공자들에게서는 (B’, C’)와 같은 관점을 들을 기회가 없었습니다.

Q.다른 곳에서는 AI대학원을 가지 말라고 하던데요?

• AI대학원 저는 말리고 싶습니다

실제로 몇 년전에 저 글을 쓴 적이 있습니다. 글을 꼼꼼히 읽어보시면 국내 대학들의 AI 교육에서 매우 심각한 수준으로 수학&통계학 기반의 기초 교육이 빠져 있다는 지적을 확인하실 수 있을 겁니다. 결국 딥러닝 코드 몇 줄을 주워 담고, 돈과 시간을 써서 학위증을 하나 받게 될 겁니다.

Deep Learning, Attention Mechanism 같이 주워들은 계산법 코드만 갖고 있는 상태에서는 상황에 맞게 변형된 계산법을 이해할 수 없고, 결국은 시장에서 도태된다는 것이 저 글의 요지였습니다.

Q.저는 내년에 입학하고 싶습니다. 한국인 특별 과정이 없어지면 어떻게 입학 절차가 진행되나요?

A.스위스 운영 팀과 3년 전에 약속한대로 2025학년도부터는 아래의 방식을 통해 입학 사정을 진행합니다

• 입학시험 (혹은 SAT II, A-Level 등의 각 국가별 대학 입학 시험 점수)
• TOEFL or IELTS 시험 점수 제출
• MBA/MSc는 GRE 시험 점수 제출
• 한국어 지원 과정 폐지

현재도 단계적으로 운영을 스위스로 이관 중이고, 내년부터는 입학 사정 절차부터 졸업까지 모든 절차가 모두 스위스로 이관됩니다.

설립 당시 계획은 대학교가 아니라 AI/Data Science 연구소를 설립하는 것이었습니다. 지난 3년간 한국인들을 대상으로 대학 교육을 운영한 것은 연구소가 향후에도 학교 교육을 병행하는 편이 옳다는 판단이 있었기 때문입니다만, 한국에서만 학교를 계속 운영하는 제한적인 교육을 계획했던 것은 아닙니다.

Q.저는 수업 1~2개만 듣고 싶지, 학위 과정을 다 하고 싶지는 않습니다. 방법이 있을까요?

A.위의 STA501, STA502을 따라오지 못하면 학위 과정 중반부에 배우는 Machine Learning, Deep Learning, 후반부에 배우는 Reinforcement Learning을 아예 이해조차 하지 못하게 됩니다.

마치 인수분해를 모르는 상태에서 미분, 적분 공식만 외워서는 고교 수학 문제를 풀 수 없는 것과 같은 상황이라고 생각하시면 됩니다.

Q.저는 리트머스 테스트(Litmus test)라고 이름 붙이신 STA501, STA502 수업들만 먼저 들어보고 싶습니다. 그 이후에 입학을 결정해도 될까요?

6월 1일까지 신청하는 학생들을 대상으로 수업들을 열어드릴 수는 있습니다만, 그 이후에 입학을 결정하시게 되면 내년에 입학해야 합니다. 기술적으로는 저희도 학위 과정 운영을 위한 시간표, 보고해야 하는 기관의 일정이 있기 때문입니다만, 과거 경험으로 미뤄봤을 때, 입학생들의 적응 속도를 높이기 위한 특별 수업이지, 입학의 가늠자로 쓰기에는 부적절한 수업들이기 때문입니다. 그간 약 100여 명의 학생들의 수강 정보를 바탕으로 예상할 때, 8월에 치를 시험은 후하게 채점해줘도 평균 40점을 넘기기 어려울 겁니다. 즉, 전원이 F학점이 나올 겁니다.

학교 밖에서 1년간 추가로 더 공부한다고 해도 점수가 더 오르지 않는 반면, 선배들의 논문 지도 수업을 청강하면서 시야가 열리거나, TA수업 등을 통해 사고의 폭이 확장되기 시작하면 향후 교육을 따라올 수 있는 수준으로 올라서는 경우를 자주 봅니다. 때로는 MBA 기준 6과목, 8과목을 듣고 난 이후에 뒤늦게 추격이 시작되기도 하고, 빠른 경우에는 MBA 3, 4번째 과목을 들으면서 1, 2번째 과목에서 부족했던 문제점을 바로 찾아내는 경우도 있습니다. 때문에 저는 시험 점수에 너무 스트레스를 받지 말고, 논문을 잘 쓰면 된다고 학생들을 위로합니다.

그렇게 사고력이 열리는 기회를 얻지 못한 학생들은 재수강, 삼수강을 해도 점수가 바뀌지 않는 것을 수차례 목격했고, 학생들도 심지어 같은 시험 문제가 나와도 해설 들은지 1달만 지나도 점수가 바뀌지 않을 것이라고 평가합니다. 그렇게 내공을 쌓는데 실패한 학생들은 대부분 중도 포기하는데, 공통적으로 수업 참여도가 낮고, 적극성이 부족한 학생들이었습니다. 반면, 선배들 대상으로만 진행되는 논문 지도 수업을 억지로라도 찾아오고, 저희 학회지(GIAI R&D Korea)를 꾸준히 읽고 핵심적인 질문이 많은 학생들일수록 빠른 추격이 일어나는 것을 흔히 봅니다.

공부할 수 있는지 ‘간’을 보겠다는 관점이 아니라, ‘시험 문제에 나온 방식대로 생각해야 Data Science인데, 그런 사고력 근육이 형성될려면 많은 노력을 해야겠구나’, ‘Technical track은 나에게는 필요한 능력치가 아니구나’는 깨달음을 좀 더 빨리 얻도록 해 주려는 목적입니다.

그간 국내 교육의 한계 탓에 갈 길을 제대로 파악하지 못했던 학생들이 방향 설정을 다시 하고, 너무 늦지 않게 추격할 수 있는 ‘지적인 근육’을 길러내는 작업을 2~3달 일찍 시작하는 것이라고 생각하면 되겠습니다.

단 1번 수업으로 내공이 쌓이는 천재 같은 학생들이 있었습니다만, 그런 천재를 주변에서 만나기는 쉽지 않을 겁니다. 평범한 학생들이 꼭 AI/Data Science를 배우고 싶다는 열정을 버릴 수 없어서, 내공을 쌓기 위한 반복 과정의 일환으로 들어야 할 수업인만큼, 생존의 가늠자가 되기는 어렵다는 것을 상기시켜 드리고 싶습니다.

Q.저는 BSc나 MBA에는 관심이 없고, MSc AI/Data Science와 PhD AI/Data Science를 하고 싶습니다. 방법이 있을까요?

A.대단히 죄송합니다만 질문자 분께서 영·미권의 주요 리서치 스쿨, 혹은 동급의 교육 과정을 운영하는 곳이 아닌 곳에서 학위 과정을 밟으셨다면 저희 SIAI에서는 학부 교육 과정도 인정해드리기 어려울 가능성이 높습니다. 이미 국내 대학들 출신 다수를 통해 확인한만큼, 한국에서는 어떤 학위를 받으셨어도 BSc Data Science (Top up) 과정부터 시작하셔야 합니다.

오는 6~8월에 예정된 STA501, STA502 특별 수업에서 60점 이상을 받으시면 MSc AI/Data Science 과정으로 학위 과정을 변경해드리거나 여의치 않을 경우에는 장학 제도를 활용하겠습니다만, 그간 진행했던 총 3회의 입학시험에서 매우 후하게 채점을 진행했음에도 55.5점이 최고점이었다는 점을 상기시켜 드립니다. 정상 채점을 진행한다면 50점 이상을 받는 학생을 찾기 어려울 것이라고 예상하고 있습니다. 또한, 위의 두 수업이 BSc/MBA의 초반 과정에 불과한만큼, 고득점을 받는다고 해도 MSc AI/Data Science 교육 과정을 따라올 수 있을지에 대한 확신을 갖기 어렵습니다.

MSc AI/Data Science 과정에 입학을 원하시면 우선 BSc Data Science (Top up) 과정을 우수한 성적으로 졸업하는데 초점을 맞추시기 바랍니다.

PhD AI/Data Science 과정의 경우, 현재 운영을 계획하고 있지 않습니다. AI Business School로 학교의 정체성을 정한만큼, MBA AI/BigData의 상위 과정인 DBA AI/BigData는 내부적인 준비가 완료되는대로 운영할 예정입니다.

일반적인 영·미권 석박 통합 과정과 마찬가지로, DBA AI/BigData 교육은 대부분 MSc AI/Data Science과 유사하게 운영되고, 이후 저널에 Publish가 가능한 논문 3개를 쓰는 것으로 학위 수여 여부가 결정됩니다. 논문 심사는 타 대학 교수진 3명의 심사에 따릅니다.

Q.무슨 내용을 가르치는지 잘 모르겠습니다. 찾아볼 수 있는 방법이 있을까요?

오는 4월까지 글로벌 리크루팅에 맞춰 SIAI 홈페이지를 전면 개편하고 있어 아직 많은 정보가 없는 것은 사실입니다만, 국내에 이미 6년 동안 장기간에 걸쳐 수학적 훈련 없는 코딩 중심 교육이 얼마나 큰 문제를 낳는지에 대해서 오랜 기간에 걸쳐 비판했던 바 있습니다. 관련 내용은 아래의 링크에서 찾아볼 수 있습니다

• 스위스AI대학 – The Pabii Research
• 파비 데이터 사이언스 연구소 – The Pabii Research

단순한 글들로는 정보량이 부족한만큼, 강의 목록과 기출 문제들을 참고하시는 편이 더 정확하게 교육 내용과 교육 수준을 짐작하는데 도움이 되리라 생각됩니다

• MBA in AI & BigData Course Curriculum — Swiss Institute of Artificial Intelligence

일부 학생들이 아래의 2과목만 들으면 ‘인공지능 전문가’가 될텐데, 왜 다른 수업 10개를 듣고 논문을 써야 되느냐는 식의 불평을 하는 경우가 있습니다.

• [COM502] Machine Learning — Swiss Institute of Artificial Intelligence (siai.org)
• [COM503] Deep Learning — Swiss Institute of Artificial Intelligence (siai.org)

그러나 학위 과정 중반부에 배정된 위의 2개 수업은 아래의 수업들에서 C학점 이하 학점을 받은 학생들이 수업 첫 과제부터 제출이 불가능하게 교육 과정이 짜여져 있습니다.

• [STA501] Data-based Decision Making — Swiss Institute of Artificial Intelligence (siai.org)
• [STA502] Math & Stat for MBA I — Swiss Institute of Artificial Intelligence (siai.org)
• [STA503] Math & Stat for MBA II — Swiss Institute of Artificial Intelligence (siai.org)
• [COM501] Scientific Programming — Swiss Institute of Artificial Intelligence (siai.org)

수학/통계학 교육을 단순한 학부 저학년 문제 풀이 수준에서 끝내고 코딩 작업에만 집중하는 IT학원형 국내 대학 교육 과정과 달리, 대학 교육의 ‘언어’인 수학/통계학 훈련을 제대로 밟고 올라가는 교육 과정을 운영하기 때문입니다. 불평이 많은 학생들은 대체로 수학/통계학 훈련의 중요성을 이해하지 못하는 경우가 많고, 실제로 SIAI에 입학해서도 첫 학기 중에 자퇴를 선택합니다.

위의 수업 소개 페이지에 등록된 기출문제들은 실제 글로벌 최상위권 기업들의 내부에서 풀었던 Data Science 문제, 혹은 풀었어야 하는 문제들을 강의에 맞춰 형태를 변경한 것입니다. 강의에 대한 이해가 부족한 일부 학생들이 교육의 가치를 곡해하고 비난하는 경우도 있습니다만, 지난 몇 년 간의 설득 끝에 글로벌 수준의 교육에 대한 식견 부족이라는 점을 인지하게 되었습니다. 저희 교육을 따라올 수 있는 식견이 없는 분을 도와드리기 위한 교육 자료가 이미 방대하게 제공되어 있음에도 불구하고 외면하시는 분들을 도울 길은 없다는 결론도 내렸습니다.

졸업 논문의 경우도, 단순히 시험 문제로만 기업들의 Data Science 프로젝트를 간접 경험하는 것이 아니라, 본인의 역량으로 문제를 정의하고 풀어낼 수 있음을 보여줄 수 있는 가장 좋은 지표가 된다는 점을 확인했고, 일정 수준 이상의 논문을 써 내지 못하는 많은 아시아 학생들이 기업 업무를 할 수 있는 능력이 부족하다는 것도 확인했습니다.

장기간 경험이 쌓인만큼, 이미 2022년도부터 면접 중 준비 상태가 부족한 학생들에게 입학 유예, 혹은 불합격을 통보하고 있습니다. ‘문과’라서, 혹은 수학을 배우지 않은 ‘개발자’라서 읽어봐도 무슨 내용을 가르치는지도 모르겠다며 설명을 요구하는 사례도 있었습니다만, 현실적으로 교육을 따라올 수 없는 상태이기 때문에 무슨 내용인지 모르는 것이지, 가르쳐 드린다고 알 수 있는 상황이 아니라고 판단하고 일괄 불합격 통보를 드리거나, 지원 자체를 하지 말도록 권유드리고 있습니다.

그간 경험상 딱히 수학/통계학 공부를 다시 더 한다고 SIAI 교육을 따라올 수 있는 것이 아니라, 평소에 사고력 훈련 상태가 한국식의 암기형 학습이 아니라 영미식의 응용형 방식으로 자리잡혀 있어야 된다는 것을 알게 되었기 때문입니다. 수학/통계학은 고교 수준 이상만 알고 있으면 노력으로 추격이 가능했습니다만, 암기형에서 사고형으로 전환은 노력만으로는 불가능하다는 것도 알게 되었습니다. 공개된 소개 글들을 읽고도 어떤 내용을 가르치기 때문에 한국 교육과 다르다고 주장하는지를 이해하기 어렵다면, 저희 SIAI에서 요구하는 사고형 전환이 어렵다고 판단하고, 적절한 교육을 공급해주는 다른 교육 기관을 선택하시는 것을 권고드립니다.