분야
hwp한양대 인공지능대학원 인공지능학과 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)
제가 인공지능학을 전공하고자 결심하게 된 계기는 기술이 인간의 한계를 넘어 새로운 가능성을 창조하는 과정을 직접 경험하면서부터였습니다. 학부 시절 컴퓨터공학을 전공하며 처음 접한 기계학습 알고리즘 수업에서, 단순한 코드 한 줄이 데이터의 흐름을 바꾸고 복잡한 문제를 효율적으로 해결하는 모습을 보며 큰 흥미를 느꼈습니다. 당시 이미지 분류 과제를 수행하면서, 기존의 조건문 기반 알고리즘보다 CNN을 적용했을 때 정확도가 비약적으로 향상되는 경험은 저에게 기술적 충격이었습니다. 단순히 정확도 향상이라는 수치의 문제가 아니라, 인간이 이해하지 못하는 패턴을 스스로 학습하는 시스템의 잠재력을 실감한 순간이었습니다. 그때부터 인공지능을 단순한 프로그래밍 기술이 아닌 ‘지능의 구조를 이해하는 학문’으로 인식하게 되었습니다.
졸업 이후 데이터 분석 프로젝트에 참여하면서, 인공지능의 실제적 활용 가능성을 더욱 구체적으로 체감했습니다. 의료 영상 분석 프로젝트에서 수천 장의 X-ray 데이터를 분류하는 작업을 맡았는데, 사람이 수작업으로 데이터를 정리하면 수주가 걸리던 일이 인공지능 모델을 통해 몇 시간 만에 처리되었습니다. 그러나 저는 단순히 속도 향상보다, AI가 인간의 진단 패턴을 모방하고 개선할 수 있다는 점에 주목했습니다. 그 과정에서 오탐률을 낮추기 위해 모델의 하이퍼파라미터를 조정하고, 데이터 전처리 과정에서 발생하는 편향을 분석하면서 “AI의 윤리성과 신뢰성 확보가 기술 발전의 핵심이다”라는 문제의식을 갖게 되었습니다. 인공지능은 강력하지만 동시에 취약한 시스템이라는 사실을 깨달았고, 인간의 사고와 기계의 학습이 균형을 이루는 방향으로 발전해야 한다는 철학적 고민이 생겼습니다.
제가 한양대학교를 선택한 이유는 이 대학이 인공지능 연구를 단순한 기술 개발 차원이 아니라, 사회적 가치 창출과 융합 연구의 관점에서 접근하고 있기 때문입니다. 특히 한양대학교 인공지능대학원은 ‘AI for Human’이라는 비전을 제시하며, 의료·에너지·모빌리티·교육 등 다양한 분야와의 융합을 강조하고 있습니다. 이는 제가 추구하는 학문적 방향과 정확히 일치합니다. 또한 딥러닝, 자연어처리, 강화학습, 컴퓨터비전 등 기초부터 응용까지의 커리큘럼이 체계적으로 구성되어 있어, 기술적 심화를 위한 최적의 환경이라고 판단했습니다.
한양대학교의 연구실 중 특히 관심을 가진 곳은 ‘지능형시스템연구실’과 ‘데이터지능연구센터’입니다. 전자는 인공지능의 학습 효율성 및 신뢰성을 높이기 위한 메타러닝과 모델 압축 연구를 수행하고 있고, 후자는 대규모 데이터 처리와 윤리적 AI 개발을 주제로 하고 있습니다. 두 연구실의 공통점은 이론과 실무의 경계를 넘나들며, 실제 사회문제를 해결하는 데 초점을 맞춘다는 점입니다. 저는 이러한 연구 환경에서 제가 경험한 실무적 문제의식을 학문적으로 발전시켜, 사람과 기술이 함께 성장할 수 있는 AI를 탐구하고 싶습니다.
또한, 한양대학교가 지향하는 실용학문 중심의 연구 문화도 제 학습 철학과 맞닿아 있습니다. 저는 단순히 논문 수치 향상에 머무르지 않고, 인공지능 기술이 실제 산업 현장에서 어떻게 작동하고, 그 결과가 사람의 삶에 어떤 영향을 미치는지를 체계적으로 분석하고자 합니다. 이를 위해 AI의 기술적 구조뿐 아니라 인간의 인지 메커니즘과 의사결정 과정을 함께 탐구할 필요가 있다고 생각합니다.
결국 제가 이 전공을 선택한 이유는, 인공지능이 단순한 도구가 아니라 사고의 확장 수단이기 때문입니다. 인간이 경험을 통해 학습하듯, 기계가 데이터를 통해 학습하고 새로운 규칙을 생성하는 과정을 이해하는 것은 인간 지능의 본질을 탐구하는 일과 다르지 않습니다. 저는 한양대학교에서 그 과정을 학문적으로 깊이 있게 연구하고 싶습니다. 인공지능의 구조를 단순히 구현하는 기술자가 아니라, 그 의미를 이해하고 방향성을 제시할 수 있는 연구자가 되기 위해 이곳에 진학을 결심했습니다.
2. 학업 및 연구 계획 (수강할 과목, 방법, 목표)
입학 후 저는 인공지능의 신뢰성과 효율성을 주제로 연구를 진행할 계획입니다. 특히 ‘설명 가능한 인공지능(Explainable AI)’과 ‘효율적 학습 구조 설계’를 중심으로, 인간이 이해할 수 있는 형태의 모델을 구축하고자 합니다. 인공지능이 사회 전반에 적용될수록 모델의 불투명성과 편향 문제가 심화되고 있습니다. 따라서 단순히 정확도를 높이는 데 그치지 않고, AI의 판단 근거를 해석하고 신뢰할 수 있는 구조를 설계하는 것이 제 연구의 핵심 목표입니다.
1학기에는 ‘고급기계학습’, ‘딥러닝이론’, ‘확률적추론’, ‘AI윤리와 사회적 책임’을 수강할 예정입니다. ‘고급기계학습’에서는 SVM, 앙상블, 부스팅 등 전통적인 모델의 수학적 원리를 다시 다져 AI의 기초를 단단히 하고, ‘딥러닝이론’을 통해 CNN, RNN, Transformer 구조를 심층적으로 학습하겠습니다. 특히 모델의 수렴 과정과 오버피팅 방지 메커니즘을 실습하며, 구조적 최적화의 원리를 체득하겠습니다. ‘확률적추론’은 불확실성 하에서의 의사결정 이론을 익히는 과목으로, 강화학습 연구에 필수적인 기초를 제공할 것입니다. 마지막으로 ‘AI윤리와 사회적 책임’을 통해 기술이 인간의 삶에 미치는 영향과 AI의 의사결정 구조에서 발생하는 편향 문제를 분석하고자 합니다.
2학기에는 ‘강화학습응용’, ‘자연어처리’, ‘컴퓨터비전심화’, ‘AI모델해석기법’을 중심으로 수강하겠습니다. ‘강화학습응용’에서는 Agent가 환경과 상호작용하며 학습하는 과정을 모델링하고, 정책 기반 최적화 알고리즘을 구현할 예정입니다. ‘자연어처리’ 수업을 통해 BERT, GPT 등의 언어모델 구조를 분석하며, 언어 데이터의 문맥적 이해를 실험적으로 탐구하겠습니다. ‘컴퓨터비전심화’에서는 영상 데이터의 특징 추출과 객체인식 알고리즘을 실제 산업 문제에 적용해 보겠습니다. 마지막으로 ‘AI모델해석기법’ 과목에서는 LIME, SHAP, CAM 등 모델 해석 알고리즘을 비교 분석하여 설명 가능한 AI의 구현 방법을 학문적으로 정립하겠습니다.
연구 방법은 이론적 탐구와 실증적 검증을 병행할 예정입니다. 우선, 공개된 데이터셋(예: ImageNet, CIFAR-10, MIMIC-III)을 활용해 모델을 학습하고, 학습 과정에서 발생하는 예측 편향과 오차 패턴을 분석하겠습니다. 이후 모델의 예측 근거를 시각화하고, 그 결과를 사람이 이해할 수 있는 형태로 표현하는 인터페이스를 설계할 계획입니다. 이를 통해 인공지능이 단순히 결과를 제공하는 시스템이 아니라, ‘이해 가능한 파트너’로 기능할 수 있는 가능성을 탐색하고자 합니다.
또한 메타러닝(Meta Learning) 기법을 적용해 데이터가 적거나 불균형한 상황에서도 안정적으로 학습할 수 있는 구조를 연구할 계획입니다. 특히 소수 클래스 데이터에서 성능 저하가 발생하지 않도록, 모델이 과거 학습 경험을 새로운 문제에 효율적으로 적용하는 방법을 탐색하겠습니다. 이를 통해 의료, 교육 등 데이터 확보가 어려운 분야에서도 신뢰할 수 있는 인공지능을 구현하는 것이 목표입니다.
◆ 명확한 학업 목표를 설정하고 체계적인 학습 방법과 실행 계획을 마련하였습니다.
◆ 학습 방향과 세부 내용을 참고해서 나만의 학업계획서를 완성하시면 됩니다.
◆ 신뢰를 줄 수 있도록 핵심 내용을 충실히 반영하였습니다.
◆ 학업에 좋은 결과가 있으시길 항상 응원합니다.