서강대 대학원 컴퓨터공학 석사과정 학업계획서
분야
hwp서강대 대학원 컴퓨터공학 석사과정 학업계획서
1. 진학 동기 (왜 이 전공, 왜 이 학교인가)
2. 학업 및 연구 계획 (수강할 과목, 방법, 목표)
3. 연구 관심 분야 (어떤 주제에 관심이 있는가)
4. 졸업 후 진로 및 포부
1. 진학 동기 (왜 이 전공, 왜 이 학교인가)
저는 학부 시절 컴퓨터공학과 관련 과목을 이수하며, 기술적 문제 해결과 논리적 사고를 통해 실제 문제에 접근하는 과정에서 깊은 흥미를 느꼈습니다. 특히 자료구조, 알고리즘, 운영체제, 데이터베이스 등 핵심 과목을 학습하며, 문제를 체계적으로 정의하고 최적화된 방법으로 해결하는 능력이 학문적 성장을 좌우한다는 것을 체감했습니다. 단순히 코드 작성에 그치는 것이 아니라, 데이터 구조를 설계하고 알고리즘을 최적화하며, 실제 환경에서 성능과 효율성을 검증하는 과정을 통해 문제 해결 능력을 구체적으로 향상시킬 수 있음을 경험했습니다.
학부 프로젝트를 진행하며 실질적인 학습 경험도 쌓았습니다. 팀 단위 프로젝트에서 웹 기반 데이터 처리 시스템을 개발하며, 데이터 입력, 저장, 처리, 시각화의 전체 과정을 직접 설계하고 구현했습니다. 이 과정에서 시스템 설계 단계부터 성능 병목 현상을 예측하고, 알고리즘 선택과 자료 구조 설계를 최적화하며 문제를 해결했습니다. 또한, 구현 과정에서 발생한 메모리 관리, 동시성 문제, 데이터 무결성 검증 등 다양한 실제적 문제를 해결하며, 실무에서 요구되는 세밀한 컴퓨터공학 역량을 습득했습니다. 이러한 경험을 통해 학부 수준의 지식만으로는 한계가 있음을 절감했고, 보다 심화된 학문적 연구와 체계적인 문제 해결 능력을 갖추기 위해 대학원 진학을 결심하게 되었습니다.
특히 인공지능과 머신러닝 분야에 대한 관심은 학문적 목표를 구체화하는 계기가 되었습니다. 학부 캡스톤 프로젝트에서 이미지 인식 모델을 구현하며, 데이터 전처리, 모델 학습, 성능 평가, 하이퍼파라미터 조정 등 일련의 과정을 경험했습니다. 이 과정에서 데이터 품질, 학습 속도, 모델 일반화 능력, 오버피팅 문제 등을 직접 다루며, 단순한 알고리즘 적용만으로는 실질적인 문제 해결이 어렵다는 점을 깨달았습니다. 또한, 프로젝트 수행 중 발생한 오류와 예외 상황을 해결하기 위해 동료와 협력하고 논문과 최신 연구 자료를 참고하며 문제를 분석한 경험은, 연구자가 갖추어야 할 탐구력과 문제 해결 능력을 실질적으로 배양하는 계기가 되었습니다.
서강대학교 대학원 컴퓨터공학과는 이러한 목표를 달성하기에 최적의 환경을 제공합니다. 국내외 수준의 교수진과 체계적인 커리큘럼, 최신 연구 장비와 실습 인프라는 이론과 실무를 결합한 학문적 성장에 적합합니다. 특히 인공지능, 빅데이터, 클라우드 컴퓨팅, 알고리즘 최적화 등 다양한 연구 분야와 연계된 프로젝트와 실습 경험은 학문적 깊이와 실용성을 동시에 확보할 수 있는 기회를 제공합니다. 또한, 학부 시절부터 참여한 연구 경험과 프로젝트 경험을 대학원 과정에서 심화하고, 최신 기술과 연구 동향을 적용하여 문제 해결 능력과 연구 역량을 한층 강화하고자 합니다.
저는 서강대학교 대학원에서 컴퓨터공학의 핵심 이론과 최신 기술, 실무적 문제 해결 능력을 균형 있게 습득하고, 이를 바탕으로 데이터 기반 문제 해결과 알고리즘 최적화, 인공지능 응용 분야에서 전문성을 갖춘 연구자로 성장하고자 합니다. 학문적 탐구와 실무 적용을 동시에 경험하며, 창의적 문제 해결 능력과 분석 역량을 확보하는 것이 궁극적인 목표입니다.
2. 학업 및 연구 계획 (수강할 과목, 방법, 목표)
서강대학교 대학원 컴퓨터공학 석사과정에서 저는 이론과 실무, 연구와 적용 능력을 균형 있게 발전시키는 것을 최우선 목표로 삼고 있습니다. 이를 위해 우선 핵심 과목과 심화 과목을 체계적으로 수강하여 컴퓨터공학의 폭넓은 지식과 최신 기술을 습득하고자 합니다. 구체적으로, ‘고급 알고리즘’, ‘자료구조 심화’, ‘병렬 및 분산 컴퓨팅’, ‘머신러닝 응용’, ‘딥러닝 구조 및 최적화’, ‘데이터베이스 설계 및 최적화’, ‘클라우드 컴퓨팅 및 분산 시스템’, ‘빅데이터 처리 기법’, ‘컴퓨터 시스템 구조’, ‘연구 방법론 및 논문작성’ 등 다양한 과목을 학습할 계획입니다. 각 과목은 단순한 이론 습득에 그치지 않고, 실습과 프로젝트를 통한 실제 문제 해결 능력 강화를 목표로 설계하였습니다.
학습 방법은 이론과 실습, 프로젝트 기반 학습을 통합하는 방식으로 진행할 예정입니다. 예를 들어, 알고리즘 수업에서는 최적화 문제를 다양한 자료 구조와 알고리즘을 활용하여 해결하고, 수행 결과를 분석하여 최적 성능을 도출하는 과정을 반복하겠습니다. 이를 통해 알고리즘 설계와 구현 능력을 강화하고, 복잡한 문제를 체계적으로 분석하고 해결하는 사고력을 기를 것입니다. 병렬 및 분산 컴퓨팅 과목에서는 다중 프로세스 환경에서 데이터 처리 효율을 개선하고, 분산 환경에서 발생하는 동기화, 오류 처리, 성능 병목 현상 등을 직접 실습하며 학습할 계획입니다. 이러한 경험은 향후 대규모 데이터 처리와 실시간 분석 시스템 연구에 직접 적용될 것입니다.
연구 계획 측면에서는 학부와 실무 경험에서 흥미를 느낀 인공지능과 데이터 분석 문제를 중심으로 탐구할 예정입니다. 구체적으로는 머신러닝과 딥러닝 기반 모델 개발, 이미지 처리와 자연어 처리 응용, 대규모 데이터 처리와 분산 최적화, 실시간 데이터 분석 및 시각화 등 실제 응용 가능성이 높은 주제를 중심으로 연구할 계획입니다. 데이터 수집, 전처리, 모델 학습, 성능 평가, 하이퍼파라미터 조정, 모델 검증과 최적화까지 전 과정을 체계적으로 수행하며, 분석과 구현 과정에서 발생하는 문제를 연구적 관점에서 해결하겠습니다. 이를 위해 Python, R, TensorFlow, PyTorch, SQL, Hadoop, Spark 등 다양한 분석 및 개발 도구를 적극 활용할 계획입니다.
좋은 결과가 잇으시길 항상 응원합니다