분야
hwp( 목 차 )
1. 지원동기
2. 연구 관심분야 및 연구주제
3. 연구계획
1. 지원동기
어렸을 적부터 저는 패턴을 관찰하고 구조를 해석하는 일에 흥미를 느꼈습니다. 단순히 결과를 받아들이는 것보다, 그 이면에 있는 작동 원리와 규칙을 이해하려는 성향이 강했습니다. 이러한 관심은 자연스럽게 수학과 과학 과목에 대한 호기심으로 이어졌고, 고등학교 시절에는 자료 분석, 확률적 판단, 논리 구조를 파악하는 과제에서 가장 큰 흥미를 느꼈습니다. 대학 진학 이후에는 이 성향이 컴퓨터공학과 데이터과학에 대한 집중으로 이어졌으며, 특히 인공지능이 복잡한 문제를 데이터 기반으로 해결해 나가는 과정에 매력을 느꼈습니다.
산업 현장에서 발생하는 다양한 문제들을 체계적으로 해결할 수 있는 인공지능 기술에 관심을 갖게 된 계기는 학부 2학년 때였습니다. 당시 저는 제조업체에서 진행한 데이터 분석 캠프에 참여한 적이 있었고, 생산 라인의 센서 데이터를 활용해 불량률 예측 모델을 만드는 과제를 수행했습니다. 예측 정확도를 높이는 데 어려움을 겪으면서, 단순한 알고리즘 적용보다 데이터 전처리와 피처 선택, 실제 공정 구조에 대한 이해가 얼마나 중요한지를 깨달았습니다. 이때부터 저는 인공지능 기술이 단순히 모델링에 국한된 것이 아니라, 산업 시스템 전반을 바라보는 시야와 결합되어야 한다는 점에 주목하게 되었습니다.
그 후 저는 산업현장의 문제를 인공지능으로 해결하는 데 필요한 기술 역량을 기르기 위해 여러 프로젝트에 참여하였습니다. 특히 인상 깊었던 경험은 학부 3학년 때 참여한 스마트 팩토리 모니터링 시스템 개발 프로젝트였습니다. 실제 공장에서 수집된 IoT 기반 센서 데이터를 활용해 설비 이상징후를 조기에 감지하는 시스템을 개발하는 작업이었습니다. 당시 저는 시계열 데이터를 분석하여 정상 상태와 이상 상태를 분류하는 모델을 개발하였고, 다양한 예측 오차를 줄이기 위한 특성 엔지니어링과 파라미터 튜닝을 반복했습니다. 단순히 모델 정확도를 높이는 것이 아니라, 현장에서 실제 적용 가능한 속도와 안정성을 확보하는 것이 더욱 중요하다는 사실을 직접 경험하면서, 산업 환경에서의 AI 연구가 얼마나 복합적인 고려를 필요로 하는지 체감할 수 있었습니다.
이후에도 제조, 물류, 에너지 등 다양한 분야의 산업 데이터를 다루며 인공지능의 응용 가능성과 한계를 반복적으로 확인했습니다. 특히 예측 성능만으로는 산업적 가치를 창출하기 어렵고, 해석 가능성, 시스템 통합성, 유지보수 용이성 등의 요소가 함께 고려되어야 한다는 점에 주목하게 되었습니다. 예를 들어, 한 프로젝트에서는 공급망 최적화를 위한 수요 예측 모델을 개발하였지만, 예측 결과가 의사결정에 반영되기 위해선 시각화와 해석 알고리즘이 병행되어야 했습니다. 이런 경험을 통해 단순히 고도화된 알고리즘 구현보다, 실제 사용자를 고려한 인공지능 설계가 중요하다는 사실을 배웠습니다.
◽전문가의 세밀한 검토와 보완 과정을 통해 내용의 완성도를 높였습니다.
◽구체적인 학습 경험과 사례로 학문적 강점과 역량을 제시하였습니다.
◽전공 적합성과 핵심 역량이 효과적으로 드러나도록 작성하였습니다.
◽논리적이고 자연스러운 문장으로 학업에 진정성(성실함)을 담았습니다.
◽향후 학문적 성장 가능성과 발전 방향을 분명히 제시하고자 합니다.