일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | |||||
3 | 4 | 5 | 6 | 7 | 8 | 9 |
10 | 11 | 12 | 13 | 14 | 15 | 16 |
17 | 18 | 19 | 20 | 21 | 22 | 23 |
24 | 25 | 26 | 27 | 28 | 29 | 30 |
- 코딩테스트
- 데이터 사이언스
- 이력서 첨삭
- 베이지안 최적화
- 퀀트 투자 책
- sklearn
- 주식데이터
- 머신러닝
- AutoML
- 데이터사이언스학과
- 하이퍼 파라미터 튜닝
- 파이썬
- 주가데이터
- 파라미터 튜닝
- 커리어전환
- 사이킷런
- 데이터 사이언티스트
- 판다스
- 하이퍼 파라미터
- 퀀트
- 자기소개서
- 랜덤포레스트
- 데이터사이언티스트
- 경력 기술서
- 경력기술서 첨삭
- 데이터분석
- pandas
- 주요 파라미터
- 대학원
- 데이터사이언스
- Today
- Total
GIL's LAB
데이터 분야 커리어 시작을 위한 대학원 관련 FAQ 본문
데이터 분야 커리어 (데이터 사이언티스트 & 머신러닝/딥러닝 엔지니어)를 시작하려는 분이 가장 많이 물어보는 대학원 관련 질문을 아래와 같이 정리했습니다.
Q. 대학원에 반드시 가야하나요?
A. 당연하지만 필수는 아닙니다. 학사로 커리어를 시작하는 분도 분명히 계십니다. 그러나 최근에 이쪽 분야의 공급이 늘면서, 학위가 없는 분은 거의 없습니다. 실제로 저희 팀에 있는 사이언티스트와 엔지니어 모두 석사 혹은 박사학위자입니다. 박사는 필수라고 하긴 어렵지만, 석사는 사실상 필수라고 보는 것이 맞습니다.
사견으로는 직장 생활을 하다가 대학원에 진학하기보다, 대학원(석사일지라도)에 진학한 뒤 이 쪽 분야의 커리어를 시작하는 것이 유리합니다.
Q. 어느 종류의 대학원에 가야하나요?
A. 석사만 할 것인지, 박사까지 할 것인지에 따라 다릅니다. 석사만 하고 바로 산업체로 올 계획이라면 최근 많이 생기고 있는 인공지능 대학원 혹은 프로젝트를 많이 하는 대형 랩에 진학하길 추천합니다. 이런 랩에서 졸업하면 아무래도 해당 프로젝트를 발주했던 기업에 취업하기 유리합니다. 또, 사실 석사 수준에서는 대단한 연구 내공을 쌓기 어렵습니다. 더 노골적으로는 독립적으로 연구할 능력을 갖춘 석사는 거의 없습니다. 그래서 프로젝트 경험을 쌓으면서 학문적인 역량을 쌓기를 추천합니다.
다만, 박사과정이라면 포커싱이 프로젝트보다는 연구로 가야합니다. 그래서 연구 분야가 잘 맞고, 또 가급적이면 전통적인 학문 분야 (예: 통계학, 산업공학, 컴퓨터과학 등)의 대학원으로 진학하길 추천합니다.
Q. 대학원 네임벨류는 중요한가요?
A. 네. 당연히 중요합니다. 그러나 학부(더 정확히는 고등학생때)때는 고만고만한 대학들도 다 랭킹을 매기지만, 대학원에서는 그 정도로 세세하게 따지지 않습니다.
굳이 등급을 매기자면, 미국 유명 대학원 > 설카포 > 그 외입니다.
연세대와 고려대 등 국내 명문대도 대학원 진학 자체는 쉽습니다 (물론 학부가 너무 안좋거나 학점이 너무 관리안됐으면 예외입니다).
그래서 학부 간판을 대학원 간판으로 갈아 엎기도 어렵고 (미국 유명 대학원 박사라면 가능), 또 대학원 간판이 좋다고해서 훨씬 유리하거나 하진 않습니다.
Q. 대학원에서는 무엇을 하나요?
A. 학교와 연구실마다 다르지만, 보통 연구와 프로젝트를 중점적으로 하고 수업은 그 다음입니다. 그러니까 대학원에 "공부하러 간다"라고 생각하면 큰일납니다. 더더욱 "공부를 배우러간다"라고 생각하면 아무것도 못얻고 졸업(혹은 자퇴)할 가능성이 큽니다.
대학원 공부는 정말 스스로 하는 것이고, 특히 박사라면 교수님도 잘 모르는 분야를 혼자 공부해야 합니다.
박사 말년차쯤 되면 졸업을 위해 교수님을 가르치게 됩니다.
Q. 직장을 다니면서 커리어를 전환하려 야간 대학원에 진학하려는 데 어떤가요?
A. 많이 하는 착각 중 하나가 석사 학위만 있으면 이 분야 취업이 되겠지라는 겁니다. 당연히 잘못된 생각입니다. 위에서 이야기했듯이, 석사 학위 취득은 기본 준비가 된 것에 불과합니다.
야간 대학원은 연구와 프로젝트가 아닌 수업에 중점을 두고, 심지어는 인맥 관리(?)에 중점을 두다보니 풀타임 석사보다 당연히 불리합니다.
독립적으로 연구할 능력은 고사하고 졸업 논문도 풀타임 학생들에게 도움을 많이 받게 될 겁니다 (저도 많이 도와줘봤습니다).
그래서 정말 커리어 전환을 목적으로 야간 대학원에 온다면, 그것으로 해결되지 않고 공부를 하면서 개인 포트폴리오 준비를 같이 해야 합니다.
참고로 야간대학원을 마치고 저희팀에 합류한 분이 계신데, 이 분은 엔지니어링 역량이 있고 그 가운데 분석 커리어도 쌓기 위해 이직한 케이스라 가능했습니다. 즉, 시니어 엔지니어에 주니어 사이언티스트 정도의 역량이고 엔지니어 일을 주로 하되 사이언티스트 일도 조금씩 배워가면서 같이 하려 이직한 케이스입니다.
데이터 분야 취업 컨설팅/자기소개서 첨삭/이력서 첨삭은 아래 링크로!
'데이터사이언스 > 커리어' 카테고리의 다른 글
데이터 사이언스 학과 vs 전통적인 학과 (산업공학, 컴퓨터공학, 통계학) (2) | 2022.01.25 |
---|---|
데이터 사이언티스트 / 분석가를 위한 경력 기술서 작성 팁과 첨삭 (6) | 2022.01.19 |
데이터 사이언티스트, 데이터 엔지니어, 머신러닝/딥러닝 엔지니어의 차이점 (0) | 2022.01.05 |
[FAQ] 데이터사이언티스트가 되려면 무엇을 준비해야할까요? (3) | 2022.01.04 |
데이터 사이언스 분야: 컨설팅 vs 인하우스(도메인) (0) | 2021.12.10 |