졸업생 인터뷰

졸업생 선배님들과 함께하는 응용통계학과 들여다보기

• 안녕하세요😊 인터뷰에 응해주셔서 감사합니다! 각자 간단한 자기 소개를 해주실 수 있으실까요?

• 고경민 : 안녕하세요. 저는 응용통계학과 석사 과정으로 2020년 9월 입학했고, 2022년 8월에 졸업했습니다. 현재는 EY에서 통계 지식을 기반으로 데이터 사이언티스트로서 다양한 사업군 대상으로 여러 프로젝트를 진행하고 있습니다.

• 김성근 : 2020년 가을부터 2022년 여름까지 석사과정 진행한 졸업생 김성근이라고 합니다. 현재는 LG CNS에서 데이터사이언티스트로, LG 계열사 및 대내외에서 AI 개발 및 MLOps 업무를 수행하고 있습니다 :)

• 곽현민 : 안녕하세요. 저는 곽현민입니다. 저는 2021년 9월부터 2023년 8월까지 대학원에서 연구 및 수학하였습니다. 현재는 농협에 있고, 대학원 입학 이전에는 IT기업에서 자연어처리와 관련하여 업무를 진행했던 경험이 있습니다.

• 아 그러시군요! 그러면 대학원 진학을 결심하게 된 계기는 어떻게 되실까요? 어떤 고민 끝에 진학 결정을 내리셨는지 궁금합니다.

• 곽현민 : 제가 욕심이 많고 원하는 결과치가 조금 높은 편이라서 그런지 모르겠지만, 대학원 진학 전 근무하던 IT 회사에서 퇴근하고 매주 공부를 했습니다. 평균 주 3회 이상은 한 것 같은데, 하다보니 현실적으로 시간적 한계를 느끼고 원하는 바를 이루고자 오랜 고민 끝에 대학원 진학을 결심하게 되었습니다.

• 김성근 : 학사 졸업 전 타 회사에서 데이터 분석 업무를 경험해볼 기회가 있었습니다. 그 때 여러 실무 상황에서도 통계학적인 문제 접근과 해결이 큰 도움이 되는 경험을 자주 하면서, 학사 때 더 열심히 하지 못한(😅) 아쉬움이 생겨서랄까요.

• 고경민 : 대학원 진학 동기는 데이터 사이언티스트로서 성장을 위해 여러 ML/AI 알고리즘들의 빠른 개발 속도에 맞춰 지식 증진이 필요하다 생각했기 때문입니다. 당시 하드웨어의 개발이 빠른 속도로 진행되면서 여러 ML/AI 알고리즘의 개발 및 활용 가능한 환경이 구성되었습니다. 고도화된 알고리즘 활용이 가능해지면서 시장 내 오래된 여러 분석 모형들이 고도화된 ML/AI 모형으로 대체될 것이라 판단했고 관련 지식의 확장 필요성을 느껴 대학원 진학을 결정했습니다.

• 그렇다면, 여러 대학원 중 건국대학교의 응용통계학과를 선택하신 이유는 무엇인가요? 선택 과정에서 어떤 점들을 고려하셨는지도 궁금합니다!

• 김성근 : 저는 동 학과 학사 졸업생인지라 저희 과 교수님들이 좋아서 주저 없이 결정했습니다 :)

• 곽현민 : 많은 석박사 지원생이 여러 생각을 가지고 있으시겠지만, 당시 제 생각은 관련 업종으로 커리어를 이어간다면 개발과 모델링은 담당하게 될 것이라고 생각했고, 이런 커리어는 경력과 업무를 진행하며 스킬의 수준이 향상될 수 있겠지만, 언젠가 한번은 그 근본이 되는 배경 지식을 탄탄히 하고 싶다는 생각을 강하게 했습니다. 그래서 여러 컨택과 서칭을 통해 AI/머신러닝/딥러닝/모델링 등의 근간이 되는 수리적 능력, 통계학, Computer vision 연구를 모두 할 수 있는 곳을 찾다가 이 모두를 충족하는 건국대학교 응용통계학과를 선택하였습니다.

• 고경민 : 저는 통계학 모형과 ML/AI 모형의 유사성이 크고, 특히 통계학의 데이터적 이해 및 수학적 해석은 ML/AI 모형 활용에 필수적이라고 생각합니다. 컴퓨팅 파워가 보장되어 여러 최적화 방식 적용이 가능해져 ML/AI 알고리즘을 활용한 모형 개발이 확장되었습니다. 보장된 환경 속에서 ML/AI 모형을 개발하는 것은 앞으로 데이터 사이언티스트로 일하면서 적용 및 학습의 기회가 많을 것으로 판단됐으나 통계에 대한 지식들은 일하면서 적용해보거나 따로 시간을 내서 공부할 기회가 적을 것이고 특히 어려운 학문이기에 깊은 학습이 필요하다고 생각하여 통계학을 선택했습니다.

• 그러시군요! 자세한 설명 감사합니다! 그렇다면, 졸업 후 현재 하고 계신 일에 대해 조금 더 자세히 설명해주실 수 있으실까요? 그리고 대학원에서의 경험이 현재 하시는 일에 어떤 도움이 되고 있을까요?

• 김성근 : 조금 더 소개하자면, 데이터 사이언티스트는 비즈니스 내 디지털 전환과 함께 기존 업무 간 프로세스 Pain-point를 개선하거나, Data-driven한 의사 결정을 지원하도록 Opinion tool을 개발 또는 전사적 확산에 기여하는 일들을 합니다. 실무에서 마주하게 되는 상황과 니즈, 데이터는 항상 다르지만, 석사 과정을 통해 실무적인 경험을 먼저 배우면서 쌓을 수 있던 것이 큰 밑걸음이 되었다고 생각합니다.

• 곽현민 : 구체적으로는 내부 보안 사정으로 알려드릴 수 없지만, RPA, 데이터 분석, 시스템 구축 등의 업무를 맡고 있습니다. 제 성격이 극 J인 계획형이라서 무슨 일이든 일의 계획이 뚜렷하고 체계적으로 구성이 되어야 하고, 비슷한 일은 군집시켜 효율적으로 처리할 수 있는 스케치가 그려져야 스트레스가 없습니다. 대학원에 다니다보면 모두 그렇겠지만, 사실 돈과 시간을 투자해서 놀러온 것이 아니기 때문에 학과 수업, 과제, 연구, 기타 업무 등을 수행하다보면 시간이 많지 않을 거예요. 시간이 굉장히 부족하다고 느낀다면 일의 진행방식이 잘못되었거나 굉장히 잘하고 있거나 둘 중 하나라고 생각합니다ㅎㅎ 이런 바쁜 스케줄 속에서 제가 늘 하던 버릇처럼 구체적이고 효율적인 계획을 세워서 수행하곤 했는데, 이러한 부분이 더욱 도움이 되는 것 같습니다. 그리고 통계학을 좋아하고 꾸준히 공부하다보니, AI 논문에 나오는 수식들은 참 쉽게 느껴지는 부분이 많은 도움이 된 것 같습니다.

• 고경민 : 졸업 이후, 약 3년 간 개인화 마케팅을 위한 고객 분석부터 글로벌 시장 현황 등 데이터를 활용한 여러 분석 프로젝트를 주로 진행하고 있습니다. 대학원 생활동안 매진했던 연구 논물들과 직접적으로 얼라인 된 과제들을 진행하진 않았지만, 대학원 과정 중 여러 데이터와 알고리즘에 대한 경험을 바탕으로 분석 프로젝트를 잘 수행할 수 있었습니다. 학부 시절에도 여러 프로젝트를 경험하며 데이터 분석을 전 과정을 경험했으나 대학원 시절에 프로젝트를 통해 더 깊이 있는 경험을 할 수 있었으며 해당 과정들을 통해 겪은 여러 이슈 사항들은 현재 프로젝트를 할 때에도 이슈 대응에 많은 도움이 되었습니다.

• 졸업 후의 삶이 대학원 시절 기대했던 것과 비교해봤을 때 어떤가요?? 업무의 종류나 근무 환경, 연봉..ㅎㅎ 등등이요!

• 곽현민 : 모든 분들이 그렇겠지만 업무의 종류, 연봉, 근무 환경 모든 것을 만족하는 것은 정말 쉽지가 않더라구요..ㅎㅎ 저도 정말 열심히 잘하고 싶어서 매번 스스로 피드백을 하고 고치고 나아가며 생활하려고 하지만, 엄청 많이 잘했다고는 못할 것 같습니다. 여러분은 더욱 잘하셔서 모든 것을 다 만족하고 이루시길 바랍니다! 아..! 돈은 되게 많이 주네요ㅎㅎ

• 김성근 : 연봉은 아주 좋아졌고, 업무도 무척 만족하고 있습니다 :)

• 고경민 : 저는 대학원 시절 한가지 목표만 지키며 생활했습니다. 매일 12시간 앉아 있는게 목표였습니다. 해당 과정들을 통해서 얻은 성실함은 대학원 생활동안 높은 학습 이해도와 여러 연구 실적을 쌓는 데에 도움이 되었습니다. 졸업 이후에는 제 커리어뿐만 아니라, 업무하는 데에 있어 좋은 태도를 유지할 수 있게 되었습니다. 특히 대학원 시절 다양한 관점으로 고민했던 경험은 여러 프로젝트에서 좀 더 정답에 가깝게 문제를 해결할 수 있게 했고, 주도적으로 문제를 이끌어갈 수 있게 했습니다.

• 그럼 지금의 관점에서 볼 때, 대학원 시절 더 준비하거나 경험해볼걸…하고 아쉬운 점이 있으시다면 무엇인가요?

• 곽현민 : 저는 당시 정말 그 누구보다 목표가 뚜렷했다고 생각했는데, 항상 지나고보면 많은 아쉬움이 남는 것 같습니다. 조금 더 시간, 노력을 더해서 관련 외부 활동 많이 해볼걸, 알고리즘/CS 공부도 더 많이 노력할걸, 실무 관련 외부 프로젝트도 하려고 더 노력할걸 등등의 아쉬운 점이 남네요ㅎㅎ

• 고경민 : 최선을 다 했기 때문에 아쉬운 점은 없습니다. 굳이 생각해보자면 연구실 내에서 좀 더 다양한 활동들을 통해 학생들과 같이 고민했던 시간들이 있었으면 좋았을 것 같습니다. 대부분 통계를 전공한다고 하면 데이터 사이언티스트를 꿈꿀 것 같습니다. 분석 프로젝트는 정답이 있는 경우도 있지만, 워낙 도메인별 데이터도 다르고 실제로 데이터가 클린하지 않기 때문에 여러 접근 방법들이 적용될 수 있지만 정답은 없습니다. 문제 해결을 위해 다양한 접근 방법들을 같이 고민하고 적용했던 시간들이 조금 더 있었다면 더 훌륭한 접근 방법을 제시할 수 있었을 것 같습니다.

• 혹시 대학원 진학을 고민하는 분들에게 해주고 싶은 조언이 있으실까요? 있으면 어떤 말씀을 해주시고 싶으실까요?

• 곽현민 : 저는 항상 그렇게 생각합니다. 모든 것에 왜?를 붙이면 피곤할 때도 있고, 누군가를 힘들게 할 때도 있겠지만, 반드시 필요한 곳에는 행동과 결심에 분명한 이유가 함께 있어야 한다고 생각합니다. 우리 어릴 때 로드맵, 마인드맵 이런 교양 놀이를 많이 했잖아요. 그런 것처럼 왜 대학원에 가고 싶은지, 구체적으로 어떤 것을 얻고 싶은지, 그것을 이루기 위해서는 무엇을 성취해야 하는지, 그 성취로 인해 내가 얻게 되는 것은 무엇인지. 이 중에서 혹시나 빠진 것은 없는지 의심하고 또 의심해서 검토 후에 확실한 나만의 가치관을 가지고 입학하시길 바랍니다.

• 만약 대학원 시절로 돌아간다면, 이건 좀 다르게 하고싶다! 하는 것이 있으실까요?

• 김성근 : 교수님들을 더 적극적으로 귀찮게(?) 해드리지 못한 학생이었던 게 아쉽네요.😎 늘 학생들에게 있어서는 학업적으로나 삶에 있어서나 진심으로 열려있으시고, 진정으로 힘이 되는 격려와 조언을 아끼지 않는 스승이셨기에, 학사 때보다 교수님들과 보다 가까이 있을 수 있는 대학원 시기에 교수님들께 더 많은 배움과 교류를 갖지 못한걸 정말로 아쉬워하고 있습니다.

• 곽현민 : 졸업까지의 계획, 그 이후의 계획을 구체화, 정당화, 실패 시 대안, 데드라인 설정을 좀 더 확실히 하고 싶습니다. 제 대부분, 혹은 모든 행동과 사고는 이 계획 라인에서 움직이고 수행해 나갈 수 있도록 플랜을 더 견고하게 세우고 싶어요.

• 마지막으로, 현재 신입생들에게 전하고 싶은 응원의 메세지나 조언이 있다면 말씀해주세요!

• 김성근 : 인공지능 시대에 왜 통계일까요. 저는 이렇게도 생각합니다. 인공지능이 아주 아주 똑똑해지면, 우리는 인공지능이 정해주는 법을 따를 수 있을까요? 억울한 나에게 유죄라 말하는 인공지능 판사의 판결을, 분명히 아픈데 병이 없다고 하는 인공지능 의사의 진찰을 믿을 수 있을까요? 아니, 믿고 싶을까요? 인공지능 시대에 통계는, 기술의 기반을 설명하는 역활과 기술의 올바름을 판단하는 기준을 제시해주길 기대하는 학문이라 생각합니다. 앞으로 대학원을 통해서 경험하는 것은 기대했던 바와 결을 같이할 수도, 달리 할지도 모르겠습니다. 하지만 기술이 사람의 인지추론을 대체하길 기대하는 세상에서, 기계의 판단에 대해 타당함의 질문을 가질 수 있는 우리는, 이 사회에 앞으로 더 중요한 문제를 해결하는 데 조금은 더 선한 영향력을 발휘하는 사람이 되리라 생각합니다 :)

• 곽현민 : 제가 처음 입학했을 때, 저 많은 어려운 수식을 이틀만에 이해한다고? 하루에 논문을 몇 편이나 이해하고 정리할 수 있다고? 내가 필요한 연구 주제를 찾는 것도 모자라서 방법론과 실험, 결과까지 다 해낼 수 있어야 한다고? 등 이게 가능한 것인지 의문점이 꽤 들었습니다. 그런데, 해보면 진짜 별거 아니예요. 저도 했으니, 여러분은 더 잘하실 겁니다. 시장에서 경쟁력 있는 판단과 노력만 맞으면 분명 원하시는 걸 얻으실 수 있을 거예요. 진심으로 응원하고 잘 되었으면 좋겠습니다.

교수님과 함께 알아보는 응용통계학과