성균관대학교 대학원 AI시스템공학과 합격 학업계획서
분야
hwp( 목 차 )
1. 자신의 학문적 지향
2. 진학동기 및 목표
3. 미래의 연구계획
4. 기타
1. 자신의 학문적 지향
저는 인공지능이라는 거대한 변화의 흐름 속에서, 기술적 혁신이 인간의 삶에 실질적인 가치를 더할 수 있도록 기여하는 연구자가 되고 싶다는 목표를 가지고 있습니다. 대학 입학 전에는 단순히 프로그래밍과 데이터 분석에 흥미를 느꼈던 수준이었지만, 학부 생활을 거치며 인공지능의 이론적 원리와 실제 사회 적용 가능성에 대한 고민이 깊어졌습니다. 인공지능이 수많은 데이터에서 의미를 추출하고, 인간의 언어와 시각 정보를 해석하며, 예측과 의사결정을 지원하는 과정 하나하나가 얼마나 복합적이고 정교한지 직접 경험하면서, 그 매력에 빠져들게 되었습니다.
특히 2학년 때부터 본격적으로 기계학습, 딥러닝 과목을 수강하고 직접 실습 프로젝트에 참여하면서, 이론과 현실의 간극을 실감하게 되었습니다. 예를 들어, 간단한 이미지 분류 모델을 처음 설계했을 때에는 기대만큼 정확도가 나오지 않아 수없이 파라미터를 조정하고, 데이터셋을 재구성하고, 논문을 찾아보며 해결책을 모색하는 과정을 반복해야 했습니다. 실패와 시도를 거듭하는 과정에서, 인공지능 연구에는 끊임없는 실험과 비판적 사고, 그리고 문제 해결을 위한 창의성이 필수적이라는 사실을 체감할 수 있었습니다.
3학년 시절에는 자연어처리(NLP) 관련 동아리 활동에 참여하며 실제 뉴스 기사 분류, 감성 분석 등의 프로젝트를 수행하였습니다. 그 과정에서 텍스트 전처리, 임베딩 기법, 다양한 모델 구조의 차이를 직접 실험해 보며 데이터의 특성에 따른 접근 방법의 중요성을 배웠습니다. 또한, 팀원들과의 협업을 통해 서로 다른 시각과 아이디어가 결합될 때, 더 창의적이고 현실적인 결과가 나온다는 점을 깨달았습니다. 이때부터 저는 AI 연구가 단순히 알고리즘 구현을 넘어, 실제 문제 상황에 적용 가능한 솔루션을 설계하는 융합적 사고를 필요로 한다는 신념을 갖게 되었습니다.
학부 후반에는 ‘딥러닝을 활용한 의료 영상 진단’ 캡스톤디자인 프로젝트에 참여하며, AI의 사회적 기여 가능성에 한층 더 집중하게 되었습니다. 의료 데이터를 다루면서, 민감한 개인정보 보호와 모델의 설명 가능성, 실제 진단 결과에 미치는 영향 등 다양한 윤리적·사회적 이슈를 실감할 수 있었습니다. 의료진, 개발자, 환자 등 다양한 이해관계자가 존재하는 현실에서, 기술적 완성도뿐만 아니라 사회적 신뢰와 책임까지 고려해야 한다는 점을 깊이 인식하였습니다.
이러한 경험을 통해 저는 AI가 단순히 최신 기술의 집합체가 아니라, 인간의 복잡한 삶과 상호작용하며 사회문제를 해결하는 도구임을 절실히 깨달았습니다. 특히, 데이터의 품질과 다양성, 알고리즘의 공정성과 투명성, 실제 현장 적용 과정에서의 현실적 한계 등 여러 요소를 융합적으로 고민하는 태도가 중요하다는 점을 직접 경험했습니다.
저의 학문적 지향은 이론과 응용, 기술과 사회, 그리고 인간과 기계의 경계를 연결하는 융합적 연구입니다. 앞으로 AI 시스템을 단순히 높은 성능만을 지향하는 것이 아니라, 신뢰할 수 있고, 설명 가능하며, 다양한 환경에서 실제로 활용될 수 있는 실용적 지능으로 발전시키고자 합니다. 또한, 다양한 분야의 전문가와 협업하며, 현실의 복잡한 문제를 함께 해결하는 열린 연구자가 되고 싶습니다. 성균관대학교 대학원의 우수한 연구 환경과 다양한 산학협력, 융합 연구 기회를 통해 저만의 색깔을 가진 AI 연구자로 성장하겠습니다.
2. 진학동기 및 목표
성균관대학교 대학원 AI시스템공학과에 진학하고자 결심한 이유는, 인공지능 분야에서 체계적이고 깊이 있는 연구를 통해 사회적으로 의미 있는 변화를 만들어내고자 하는 열망 때문입니다. 학부에서 다양한 AI 관련 과목과 프로젝트를 경험하면서, 단순히 알고리즘 개발이나 모델 구현에 그치지 않고, 실제 사회 현장에 적용 가능한 실용적 AI 시스템을 설계·구현하는 역량의 필요성을 절감하게 되었습니다.
가장 큰 진학 동기는 학부 프로젝트에서 반복적으로 느꼈던 문제의식에서 비롯되었습니다. 실제로 자연어처리 기반 뉴스 기사 분류 프로젝트를 진행하며, 한계에 부딪혔던 경험이 있습니다. 초기에는 기존 모델을 그대로 적용했으나, 데이터의 불균형, 현실적 언어의 다양성, 예측 결과의 불확실성 등 예상치 못한 문제가 연이어 발생했습니다. 이 과정에서 단순히 기존 기술을 가져오는 것만으로는 복잡한 현실 문제를 해결하기 어렵다는 점을 절실히 깨달았습니다. 그래서 더 깊이 있는 연구와 문제 해결력을 갖추고자 대학원 진학을 결심하게 되었습니다.
3학년에는 캡스톤디자인 프로젝트로 의료 영상 데이터 분석에 도전했습니다. 의료 영상의 잡음, 해상도 문제, 임상적 유의성 평가 등 이론 수업에서 다루지 못했던 실제적 난관에 직면하면서, 데이터 전처리, 특성 추출, 성능 평가 등 모든 과정에 보다 정밀한 접근이 필요하다는 점을 알게 되었습니다. 또한, 다양한 전공의 교수님과 의료진과의 협업 과정에서 AI 연구가 타 분야와의 융합, 그리고 다양한 이해관계자의 요구를 반영하는 다학제적 소통이 필수적임을 직접 경험하였습니다.
◽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.