서울대학교 데이터사이언스대학원 학업계획서
분야
hwp서울대학교 데이터사이언스대학원 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)
데이터와 정보가 현대 사회를 움직이는 핵심 자원이라는 사실을 처음 실감한 계기는 대학 재학 시절, 통계학과 컴퓨터 과학 강의를 병행하며 데이터 기반 문제 해결의 가능성을 체험했을 때였습니다. 당시 진행한 프로젝트에서, 복잡한 사회현상과 기업 경영 데이터를 분석해 의미 있는 패턴과 인사이트를 도출할 수 있다는 점이 매우 흥미로웠습니다. 특히 단순한 데이터 처리에 그치지 않고, 실제 문제를 정의하고, 분석 방법을 설계하며, 결과를 해석하고 적용하는 과정은 저에게 데이터사이언스의 학문적 매력을 체감하게 해주었습니다. 데이터는 단순한 숫자와 기록이 아니라, 현실 세계를 이해하고 미래를 예측하며 의사결정을 최적화하는 도구임을 깨닫게 되었습니다.
학부 과정 동안 다양한 데이터 분석 경험을 쌓았습니다. 예를 들어, 경제학과 사회학 교과목에서 통계 분석, 머신러닝 기법, 시계열 분석을 활용해 지역 경제 지표와 고용 데이터를 분석하며 인과 관계와 패턴을 탐구했습니다. 프로젝트 수행 과정에서 실제 데이터의 결측치 처리, 이상값 탐지, 변수 선택 등 실무적 문제를 경험하며, 데이터 분석은 단순한 알고리즘 적용이 아니라 분석 전 과정에서의 판단과 해석이 필수적임을 체감했습니다. 또한, 결과를 시각화하고 논리적으로 제시하는 경험을 통해 분석 결과의 신뢰성과 전달력의 중요성을 깨닫게 되었습니다.
이후 학부 연구실에서 인턴십을 수행하며, 대규모 데이터베이스 구축과 분석 프로젝트에도 참여했습니다. 사회조사 데이터를 전처리하고, Python과 R을 활용해 통계 모델과 기계학습 모델을 적용하며, 실험 설계와 성능 평가 과정에서 분석적 사고를 심화할 수 있었습니다. 특히, 데이터 수집과 전처리 과정에서 발생하는 현실적 제약과 데이터 품질 문제를 해결하는 경험은 향후 연구와 실무에서 요구되는 문제 해결 능력과 창의적 접근 방식을 키우는 데 큰 도움이 되었습니다. 이러한 경험을 통해 데이터사이언스는 단순한 기술 습득이 아니라, 분석적 사고와 문제 정의 능력을 함께 요구하는 학문임을 확신하게 되었습니다.
서울대학교 데이터사이언스대학원을 선택한 이유는, 세계적 수준의 교수진과 체계적 교육과정, 풍부한 연구 자원과 실습 환경이 통합되어 있기 때문입니다. 특히 다양한 산업과 연구 분야에서 실제 데이터 분석 사례를 학습하고, 최신 기술과 방법론을 체계적으로 습득할 수 있는 점이 매력적이었습니다. 또한, 연구 중심의 대학원 환경과 산학 연계 프로그램, 데이터 관련 학회와 세미나 참여 기회를 통해 학문적 깊이를 확보하고, 실무 역량을 동시에 강화할 수 있는 최적의 환경이라고 판단했습니다.
더 나아가, 서울대 대학원은 기초 데이터 과학부터 인공지능, 빅데이터 분석, 시뮬레이션, 정책 분석 등 다양한 영역을 아우르는 통합적 교육을 제공하며, 실제 문제 해결 능력과 연구 역량을 동시에 높일 수 있습니다. 대학원 입학 후에는 학문적 깊이와 실무 경험을 균형 있게 발전시키며, 데이터 분석과 모델링, 예측과 최적화 능력을 체계적으로 강화하고자 합니다. 이를 통해 데이터 기반 문제 해결과 학문적 기여를 동시에 실현할 수 있는 연구자로 성장하는 것이 목표입니다.
결국, 학부 시절부터 이어온 데이터 분석 경험과 연구 경험, 그리고 현실 문제 해결에 대한 관심이 서울대학교 데이터사이언스대학원 진학으로 자연스럽게 이어졌습니다. 이곳에서 최첨단 분석 기술과 연구 역량을 습득하고, 데이터 기반 문제 해결 능력을 심화하여, 학문적 성과와 실질적 사회적 기여를 동시에 달성하는 전문 연구자로 성장하고자 합니다.
2. 학업 및 연구 계획 (수강할 과목, 방법, 목표)
서울대학교 데이터사이언스대학원에 입학하게 되면, 첫 단계에서는 데이터사이언스의 핵심 역량을 체계적으로 쌓는 데 집중할 계획입니다. 이를 위해 통계학, 확률론, 데이터 마이닝, 머신러닝, 빅데이터 처리 및 분석, 데이터 시각화 등 기초와 심화 과목을 균형 있게 수강하여, 데이터의 수집·전처리·분석·모델링·시각화 과정 전반을 학문적으로 숙지할 예정입니다. 학부 과정에서 경험한 데이터 처리와 통계 분석 프로젝트를 대학원 수준으로 심화하고, 실무적 분석 능력을 동시에 강화하여, 복잡한 데이터 문제를 구조적으로 접근할 수 있는 기반을 마련할 계획입니다.
학업 방법은 이론 학습과 실습, 프로젝트 기반 학습을 유기적으로 결합하는 방식으로 설계하였습니다. 먼저 각 과목에서 제공되는 학습 자료와 논문을 사전에 정독하고, 강의에서 제시된 개념을 실제 데이터셋에 적용하여 실습을 반복할 예정입니다. 학부 시절 Python과 R을 활용해 사회경제 데이터와 금융 데이터를 분석하며 실험 설계, 모델 적용, 결과 해석 과정에서 체득한 경험을 대학원 수준으로 확장하고, 보다 다양한 알고리즘과 모델을 심층적으로 이해할 계획입니다. 또한 지도 교수님과 동료 대학원생들과 정기적인 스터디를 운영하여 분석 과정에서 발생하는 문제를 공유하고, 서로의 접근법과 모델 설계 전략을 토론하며 학문적 이해와 실습 능력을 동시에 높이겠습니다.
연구 중심의 학업 계획도 구체적으로 설계했습니다. 대학원에서는 대규모 사회·산업 데이터와 공공 데이터를 활용한 실증적 연구 프로젝트를 수행하고자 합니다. 프로젝트 수행 과정에서는 먼저 연구 주제를 명확히 정의하고, 관련 데이터를 수집·전처리하며, 탐색적 데이터 분석(EDA)을 통해 데이터의 특성과 구조를 파악할 계획입니다. 이어서 회귀분석, 시계열 분석, 분류 및 군집화, 딥러닝 기반 예측 모델 등 다양한 알고리즘을 적용하고, 모델 성능을 평가하여 최적의 분석 결과를 도출할 예정입니다. 실제로 학부 시절 경제·사회 지표 분석 프로젝트에서 결측치 처리, 변수 선택, 데이터 표준화, 모델 검증 과정을 경험한 것은 연구 설계와 실행 능력을 갖추는 데 큰 도움이 되었습니다. 대학원 과정에서는 이를 한 단계 심화하여, 대규모 데이터와 복합적 변수 구조를 다루는 고도화된 분석 기술을 습득하고자 합니다.