고려대학교 일반대학원 전기전자공학과 컴퓨터공학전공 석사 합격 연구계획서
분야
hwp1. 지원동기
2. 연구 관심분야 및 연구주제
3. 연구계획
1. 지원동기
어릴 적부터 기술적 원리에 대한 호기심이 강했습니다. 장난감을 분해해서 내부 구조를 살피거나, 고장 난 기기를 고쳐보려는 시도를 자주 하곤 했습니다. 그런 경험이 누적되면서 기계나 전자기기에 담긴 논리와 구조를 이해하고자 하는 성향이 생겼고, 자연스럽게 컴퓨터공학이라는 학문과 가까워졌습니다. 특히 고등학교 시절 직접 간단한 게임을 프로그래밍해보며 처음으로 문제 해결 과정의 즐거움을 경험했고, 코드 한 줄이 화면 위에 구체적인 형태로 나타나는 과정에서 강한 흥미를 느꼈습니다.
대학교에서 본격적으로 전공 수업을 접하며 컴퓨터공학이 단지 소프트웨어 구현 능력에 국한되지 않고, 정보 처리와 알고리즘 설계, 하드웨어와의 통합 설계에 이르기까지 매우 폭넓은 학문임을 알게 되었습니다. 그중에서도 저는 점차 인공지능, 특히 기계학습 기반 시스템의 구조와 작동 원리에 깊은 관심을 갖게 되었고, 전공 선택 이후 관련 과목을 집중적으로 이수하며 해당 분야에 대한 이해도를 높이고자 노력해왔습니다.
3학년 때 수강한 ‘기계학습 개론’ 수업은 제게 결정적인 전환점을 마련해준 경험이었습니다. 수업에서는 지도학습, 비지도학습, 강화학습의 개념부터 시작해 다양한 분류기와 최적화 기법, 손실 함수 등에 대한 내용을 체계적으로 다루었습니다. 과제로는 손글씨 이미지 데이터를 분류하는 모델을 직접 구현해야 했는데, 초기에는 단순한 로지스틱 회귀로 시작해 여러 하이퍼파라미터를 조정하며 성능을 높이는 실험을 반복했습니다. 이 과정을 통해 모델 성능은 단지 복잡한 구조나 고성능 장비에 의해서만 결정되는 것이 아니라, 데이터의 전처리 방식과 설계자의 문제 정의 능력에 따라 얼마든지 달라질 수 있다는 사실을 알게 되었습니다. 이후에는 다양한 논문과 오픈소스를 스스로 분석하며, 딥러닝 구조에 대한 이해도를 심화시키는 데 시간을 투자했습니다.
기계학습에 대한 관심은 자연스럽게 인공지능 시스템의 응용 분야로 확장되었습니다. 특히 학부 후반부에는 시계열 예측, 영상 처리, 자연어 처리 등 기계학습이 실제로 어떤 문제들을 해결할 수 있는지에 대해 깊이 고민하게 되었고, 그 중에서도 사람의 움직임, 시선, 음성 등 비정형 데이터를 처리하여 인간 행동을 이해하는 분야에 강한 흥미를 갖게 되었습니다. 이처럼 비정형 데이터 기반의 모델 설계는 컴퓨터공학과 인간의 상호작용을 동시에 고려해야 한다는 점에서 매력적이었습니다.
학부연구생으로 활동했던 경험은 석사 진학을 결심하게 된 직접적인 계기였습니다. 제가 참여한 연구실에서는 센서 데이터를 기반으로 사용자 상태를 예측하는 프로젝트를 진행하고 있었고, 저는 데이터 전처리, 간단한 모델 학습 및 시각화 작업을 맡았습니다. 프로젝트 초반에는 다양한 센서에서 수집된 정보를 통합하는 과정에서 많은 오류가 발생했으며, 동기화 문제와 노이즈 처리 문제를 해결하는 데 오랜 시간이 걸렸습니다. 하지만 반복 실험과 피드백을 통해 점차 데이터 특성에 맞는 필터링 방식과 적절한 샘플링 구조를 설계하게 되었고, 최종적으로는 모델 정확도를 기존보다 10%가량 향상시킬 수 있었습니다. 이 경험은 단순한 모델 구현 능력뿐 아니라, 실질적인 데이터 처리 감각과 문제 해결 태도의 중요성을 인식하게 해주었습니다.
해당 프로젝트를 수행하면서, 학부 수준의 역량만으로는 복잡한 데이터 환경에서의 구조적 이해나 알고리즘 설계에서 많은 한계를 느꼈습니다. 특히 여러 모델을 비교하거나 하이브리드 구조를 설계할 때, 이론적 기반 부족으로 인한 의사결정의 불안정성이 자주 발생했고, 실험 설계와 결과 해석에서도 전문적인 수준의 접근이 필요하다는 판단을 내리게 되었습니다. 그 후부터는 석사과정을 통해 보다 심도 있는 연구 역량을 갖추어야겠다는 목표를 구체적으로 세우게 되었습니다.
고려대학교 전기전자공학과 컴퓨터공학전공은 제가 원하는 연구 역량을 체계적으로 기를 수 있는 최적의 환경을 갖추고 있다고 판단했습니다. 특히 인공지능, 컴퓨터비전, 데이터처리, 인지컴퓨팅 등 다양한 연구실이 유기적으로 협력하고 있으며, 커리큘럼 역시 기초 이론과 응용 기술을 균형 있게 제공하고 있다는 점이 매우 인상 깊었습니다. 더불어 국내외 저명 학술지에 다수의 연구성과를 축적하고 있는 교수진 아래에서 보다 정교한 연구 설계를 배우고, 실질적인 문제 해결력을 기를 수 있을 것이라 확신하게 되었습니다.
저는 연구자로서의 태도 역시 매우 중요하다고 생각하며, 대학원 과정은 단순한 지식의 축적이 아닌, 태도와 관점을 형성하는 시기라고 생각합니다. 연구는 수많은 실패와 반복 속에서 미세한 차이를 포착하고, 이를 해석할 수 있는 힘을 요구합니다. 지금까지의 경험 속에서 저는 실험 설계 시의 치밀함, 결과에 대한 냉정한 분석, 동료와의 협업을 통해 문제를 유연하게 조정하는 태도가 얼마나 중요한지를 체득해왔습니다. 앞으로의 대학원 생활에서도 이와 같은 태도를 바탕으로, 단기적인 성과보다 장기적인 성장에 집중하는 연구자가 되기 위해 최선을 다하겠습니다.
2. 연구 관심분야 및 연구주제
현재 제가 가장 깊이 있게 탐색하고 있는 연구 관심 분야는 멀티모달 학습(Multimodal Learning)을 기반으로 한 인간 행위 인식 및 상황 이해 시스템의 고도화입니다. 최근 인공지능 기술이 빠르게 확산됨에 따라, 음성, 영상, 생체신호, 움직임 등의 복합적인 비정형 데이터를 통합적으로 해석하는 기술의 수요가 증가하고 있습니다. 특히 자율주행, 재난 대응, 의료 보조, 감정 인식 등 실제 환경에서의 응용을 위해서는 단일 채널의 데이터만으로는 충분하지 않으며, 다양한 센서 정보를 결합해 보다 정밀하고 직관적인 판단을 내리는 시스템이 필요하다고 생각합니다.
제가 이 분야에 주목하게 된 계기는 학부연구생 당시 진행했던 프로젝트 경험입니다. 해당 연구에서는 웨어러블 디바이스에서 수집한 생체 신호와 움직임 데이터를 이용해 피로도를 예측하는 시스템을 개발하고 있었고, 저는 수집된 가속도, 심박수, 피부 전도도 데이터를 분석하는 역할을 맡았습니다. 처음에는 개별 센서의 데이터를 각각 모델링하려 했으나, 결과가 불안정하고 상황에 따른 편차가 매우 컸습니다. 이후 데이터를 결합해 시계열 구조로 재구성하고, LSTM 기반 모델을 적용하자 안정적인 예측 결과를 얻을 수 있었습니다. 이때 멀티모달 구조가 제공하는 정보의 보완성과 상호 강화를 직접 체감할 수 있었습니다.
◽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.