이화여대 데이터사이언스학과 자기소개서
분야
pdf1. 데이터사이언스학과에 지원하게 된 동기와 입학 후 학업 계획을 구체적으로 기술해 주십시오.
2. 본인의 학술적 역량을 키우기 위해 노력한 과정과 그 결과에 대해 데이터 분석 사례를 포함하여 기술
해 주십시오.
3. 데이터 사이언티스트로서 갖춰야 할 윤리적 의식과 사회적 책임에 대한 본인의 견해를 서술해 주십시
오.
4. 복잡한 데이터를 처리하거나 분석하는 과정에서 직면했던 기술적 한계와 이를 극복한 창의적 방법은
무엇입니까?
5. 이화의 가치와 본인의 비전이 어떻게 부합하는지, 졸업 후의 진로 계획과 함께 기술해 주십시오.
1. 데이터사이언스학과에 지원하게 된 동기와 입학 후 학업 계획을 구체적으로 기술해
주십시오.
단순히 숫자를 나열하는 것을 넘어 그 이면에 숨겨진 사회적 맥락과 가치를 발견하는 데이터 사이언
티스트가 되고자 이화여자대학교의 문을 두드립니다. 현대 사회의 비정형 데이터는 단순한 정보의 집합체가 아니
라 인류의 행동 양식을 규정하는 거대한 지도와 같습니다. 저는 학부 시절 통계학적 기초를 다지며 데이터가 가진
설득의 힘에 매료되었습니다.
특히 142개국의 소비자 행동 패턴을 분석한 프로젝트에서 데이터 전처리의 정교함이 예측 정확도를
8.4% 향상시키는 과정을 지켜보며, 원천 데이터의 무결성과 모델의 최적화가 학문적 정직성에서 시작됨을 깨달
았습니다. 이화의 데이터사이언스학과는 기술적 숙련도뿐만 아니라 인문학적 통찰을 강조한다는 점에서 저의 가
치관과 완벽히 일치합니다.
"데이터는 차가운 숫자가 아니라 인간의 삶을 온기 있게 해석하는 언어여야 한다"
입학 후에는 심층 신경망(DNN)과 강화 학습의 이론적 토대를 견고히 다지겠습니다. 1학년 과정에서
는 수리적 최적화 이론을 정독하며 알고리즘의 복잡도를 연간 15% 이상 개선할 수 있는 효율적인 코딩 습관을
체득하겠습니다. 2학년 시기에는 이화만의 융합 프로젝트에 참여하여 헬스케어 혹은 금융 소외 계층을 위한 예측
모델링을 연구하고 싶습니다. 구체적으로는 시계열 데이터 분석을 활용해 노년층의 이상 징후를 99.2%의 신뢰
도로 감지하는 알고리즘을 설계하는 것이 목표입니다. 이러한 학업 과정을 통해 저는 기술적 프레임에 갇히지 않
고 세상을 바꾸는 실천적 지성인으로 거듭날 것입니다.
2. 본인의 학술적 역량을 키우기 위해 노력한 과정과 그 결과에 대해 데이터 분석 사례
를 포함하여 기술해 주십시오.
학문적 성취는 질문의 깊이에서 시작된다고 믿습니다. 저는 Python 기반의 웹 크롤링과 자연어 처리
(NLP) 역량을 강화하기 위해 매일 4시간씩 오픈 소스 라이브러리를 탐독하며 6개월간 독자적인 텍스트 마이닝
엔진을 구축했습니다. 이 과정에서 20만 건 이상의 뉴스 데이터를 형태소 분석기로 처리하며 불용어 제거 알고리
즘을 개선한 결과, 키워드 추출 속도를 22% 단축하는 성과를 거두었습니다.
가장 의미 있었던 분석 사례는 대중교통 이용 패턴 데이터를 활용한 혼잡도 예측 모델 수립이었습니
다. 저는 공공데이터 포털의 1.2GB 분량 CSV 파일을 정제하여 요일별, 시간별 변동 수치를 모델링했습니다. 초
기 모델은 오차율이 12%에 달했으나, 랜덤 포레스트와 XGBoost를 앙상블하여 하이퍼파라미터 튜닝을 거친
결과 최종 오차율을 3.1%까지 낮췄습니다.
"이론의 견고함은 수만 번의 파라미터 수정과 데이터 전처리라는 인내의 시간에서 증명된다"
또한, 분석 결과를 단순히 리포트로 끝내지 않고 시각화 툴인 Tableau를 사용하여 비전문가도 직관적
으로 이해할 수 있는 대시보드를 제작했습니다. 이 대시보드는 실제 지자체 공모전에서 창의성을 인정받아 상위
5% 이내의 성적을 거두는 기반이 되었습니다. 이러한 정량적 성과는 저에게 데이터 분석이 가진 실효적 가치를
일깨워주었으며, 이화에서 더욱 복잡한 다차원 데이터를 다룰 수 있는 준비가 되었음을 확신하게 했습니다.
3. 데이터 사이언티스트로서 갖춰야 할 윤리적 의식과 사회적 책임에 대한 본인의 견해
를 서술해 주십시오.
인공지능의 편향성은 결국 설계자의 시선에서 비롯됩니다. 저는 데이터 사이언티스트가 가져야 할 가
장 큰 덕목은 자기 객관화와 포용성이라고 생각합니다. 과거 추천 알고리즘을 설계하는 실습 과정에서 특정 인
구 통계학적 그룹에 편향된 결과가 도출되는 것을 목격했습니다. 이는 학습 데이터 자체에 이미 사회적 편견이 내
재되어 있었기 때문입니다.
저는 이 문제를 해결하기 위해 공정성 지표(Fairness Metrics)를 도입하여 모델의 결정론적 오류
를 상시 모니터링하는 체계를 연구했습니다. 데이터의 양이 늘어날수록 통계적 오류는 줄어들지 모르나, 윤리적
오류는 비대해질 위험이 큽니다. 따라서 저는 데이터 수집 단계에서부터 프라이버시 보호를 위한 차분 프라이버
시(Diferential Privacy) 기법을 적용하여 개인 정보 노출 위험을 0.001% 미만으로 유지하는 기술적 장치를
마련해야 한다고 봅니다.
"알고리즘의 효율성보다 우선되어야 하는 것은 기술이 소외된 이들을 배제하지 않는 공정함이
다"
이화여자대학교가 추구하는 정의와 사랑의 가치는 데이터 사이언스라는 거대 기술이 나아가야 할 이
정표와 같습니다. 저는 졸업 후에도 공공의 이익을 저해하는 데이터 독점에 반대하며, 누구나 정보의 혜택을 누릴
수 있도록 오픈 데이터 생태계 조성에 기여하겠습니다. 기술이 권력이 되는 시대에, 저는 낮은 곳을 향하는 데이
터를 통해 사회적 격차를 해소하는 조율자가 되겠습니다.
4. 복잡한 데이터를 처리하거나 분석하는 과정에서 직면했던 기술적 한계와 이를 극복
한 창의적 방법은 무엇입니까?
대규모 정형 데이터를 처리하던 중, 로컬 컴퓨팅 자원의 한계로 인해 모델 학습 시간이 기하급수적으
로 늘어나는 메모리 병목 현상에 직면한 적이 있습니다. 당시 1,000만 행 이상의 시계열 데이터를 처리해야 했으
나, 기존의 Pandas 방식으로는 연산 시간이 5시간을 초과하는 상황이었습니다.
저는 이를 해결하기 위해 하드웨어 업그레이드라는 쉬운 길 대신, 데이터 타입 최적화와 병렬 처리
(Parallel Processing)라는 기술적 돌파구를 선택했습니다. 데이터 형식을 64비트에서 16비트로 다운캐스팅
하여 메모리 점유율을 65% 감소시켰고, Dask 프레임워크를 활용하여 연산을 8개 코어로 분산 처리했습니다. 그
결과, 분석 소요 시간을 40분대로 단축하는 혁신을 이루었습니다.