한양대 일반대학원 인공지능응용학과 학업계획서
분야
hwp한양대 일반대학원 인공지능응용학과 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 인공지능이라는 학문에 깊은 흥미를 가지게 된 계기는 산업 현장에서 데이터를 다루는 경험을 통해서였습니다. 학부 시절부터 산업시스템공학과 연계된 프로젝트에 참여하며, 공정 데이터의 비선형적 변동성과 예측 불가능성을 다뤄야 하는 상황이 자주 있었습니다. 처음에는 단순히 수학적 통계 모델을 적용해 해결하려 했지만, 실제 생산 환경에서는 변수의 상호작용이 복잡하게 얽혀 있어 기존 방식으로는 정확한 결과를 얻기 어려웠습니다. 그때 접하게 된 것이 머신러닝이었습니다. 비정형 데이터를 학습해 스스로 패턴을 찾아내는 알고리즘의 원리를 배우면서, 인공지능이 단순한 계산 기술이 아니라 ‘데이터 속 숨은 의미를 발견하는 학문’이라는 사실을 깨달았습니다.
졸업 후 참여한 제조 데이터 분석 프로젝트에서 인공지능 기술의 실제 가능성을 확인했습니다. 센서가 수집한 실시간 데이터로 설비 이상을 탐지하는 시스템을 구축하는 과정에서, 단순한 규칙 기반 모델보다 딥러닝 모델의 예측력이 압도적으로 높았습니다. 이때의 경험은 인공지능이 산업의 효율성을 극대화하는 동시에, 새로운 의사결정 패러다임을 제시할 수 있다는 확신을 심어주었습니다. 그러나 실제 적용 과정에서는 데이터 품질, 알고리즘의 해석 가능성, 산업 환경에 맞는 커스터마이징 등 해결해야 할 문제가 많았습니다. 이런 한계를 체계적으로 이해하고 개선하기 위해 학문적 연구가 필요하다고 느꼈습니다.
제가 한양대학교 일반대학원을 선택한 이유는, 이곳이 이론적 탐구와 실무적 적용이 조화를 이루는 연구 환경을 갖추고 있기 때문입니다. 한양대 인공지능응용학과는 AI 알고리즘 연구뿐 아니라, 이를 실제 산업 문제에 적용하는 응용 중심의 교육과 연구를 강조하고 있습니다. 특히 ‘스마트팩토리 지능화’, ‘산업 데이터 기반 학습 최적화’, ‘설명 가능한 AI(XAI)’ 등의 연구가 활발하게 이루어지고 있다는 점에서, 제가 목표로 하는 학문적 방향과 일치합니다. 단순히 인공지능 기술을 배우는 것이 아니라, AI가 산업 구조를 변화시키는 과정을 학문적으로 탐구할 수 있는 기회를 얻고 싶습니다.
또한 한양대학교의 연구문화는 협업을 중시한다는 점에서도 큰 매력을 느꼈습니다. 인공지능응용학과는 기계공학, 전자공학, 산업공학, 데이터사이언스 등 다양한 분야와 공동연구를 진행하고 있으며, 산업체 연계 프로젝트도 활발히 이루어지고 있습니다. 저는 이런 다학제적 환경 속에서 학문적 사고와 실무 감각을 동시에 확장하고 싶습니다. 실제로 AI 모델을 산업 현장에 적용하기 위해서는 기술적 완성도뿐 아니라, 인간의 판단 구조와 시스템의 상호작용을 고려하는 통합적 사고가 필요하다고 생각합니다.
또 한 가지, 제가 한양대학교를 선택한 중요한 이유는 ‘데이터와 사람의 관계를 탐구하는 학문적 시선’이 존재하기 때문입니다. 인공지능을 기술로만 보는 시각을 넘어, 인간의 의사결정 과정을 보완하고 사회적 효율성을 높이는 방향으로 연구가 진행되는 점이 인상 깊었습니다. 인공지능은 단순한 도구가 아니라, 인간이 직면한 복잡한 문제를 더 정교하게 이해하도록 돕는 새로운 언어라고 생각합니다. 저는 한양대의 AI 응용 연구 환경 속에서, 기술과 인간이 함께 발전할 수 있는 연구를 수행하고자 합니다.
결국 제가 인공지능응용학과에 진학하려는 이유는, 기술적 흥미와 산업 현장에서 느낀 문제의식이 만나는 지점을 학문적으로 확장하기 위함입니다. 산업지능화의 흐름 속에서 인공지능이 단순한 자동화의 수단이 아니라, 인간의 사고와 판단을 확장시키는 지적 파트너로 기능하도록 만드는 연구를 하고 싶습니다. 한양대학교는 그 목표를 실현하기에 가장 적합한 곳이라고 확신합니다.
2. 학업 및 연구 계획 (수강할 과목, 방법, 목표)
제가 대학원에서 수행하고자 하는 연구의 핵심은 ‘산업 데이터 기반 인공지능 모델의 신뢰성 향상’입니다. 기술적 효율만이 아니라, 실제 환경에서 지속적으로 활용 가능한 알고리즘 구조를 탐색하는 것이 목표입니다. 인공지능의 정확도는 지속적으로 향상되고 있지만, 실제 산업 시스템에서는 데이터의 불균형, 환경적 노이즈, 해석 가능성 부족 등의 문제가 여전히 존재합니다. 저는 이런 한계를 극복하기 위한 구조적 접근을 연구하고자 합니다.
먼저 학문적 기초를 탄탄히 다지기 위해 ‘머신러닝이론’, ‘딥러닝응용’, ‘AI수학특론’, ‘데이터시스템분석’, ‘산업지능응용세미나’ 등의 과목을 수강할 계획입니다. ‘머신러닝이론’을 통해 모델의 학습원리와 수학적 기반을 심도 있게 이해하고, ‘딥러닝응용’에서는 CNN, RNN, Transformer 등 다양한 구조의 알고리즘을 실제 산업 데이터에 적용하는 방법을 실습하겠습니다. ‘데이터시스템분석’을 통해 대규모 데이터의 정제, 결측값 보정, 특성 추출 기법을 익혀 산업 환경에서 발생하는 데이터 왜곡 문제를 해결할 역량을 기를 것입니다. 또한 ‘산업지능응용세미나’를 통해 산업별 AI 적용 사례를 분석하고, 연구 주제를 구체화할 계획입니다.
연구 방법은 정량적 분석과 실험적 검증을 병행하는 방식으로 진행하려 합니다. 구체적으로는 제조 공정 데이터를 활용해 설비의 이상 징후를 조기 감지하는 예측 모델을 구축할 예정입니다. 특히 딥러닝 모델의 해석 가능성을 높이기 위해 Attention Mechanism과 Explainable AI 기법을 결합해, 모델이 어떤 변수에 주목하는지를 시각화할 계획입니다. 이는 단순히 정확도를 높이는 것을 넘어, AI의 판단 과정을 인간이 이해할 수 있도록 만드는 연구로 발전시킬 수 있습니다.
또한 강화학습을 활용해 공정 제어 최적화를 시도하고자 합니다. 생산 라인의 변수 조합을 시뮬레이션 환경에서 학습시켜, 실제 공정 효율성을 개선하는 모델을 설계할 계획입니다. 이를 위해 시뮬레이션 데이터를 생성하고, 보상 함수를 설계하여 현실적 제약조건을 반영하겠습니다. 이러한 실험적 접근은 한양대학교의 AI 실험환경과 클라우드 기반 연산 시스템을 적극 활용하여 수행할 예정입니다.
◆ 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.