학부연구생 하면 랩실에서 정확히 뭘 하는 건지 궁금합니다

현재 데이터 분석과 머신러닝 프로젝트 경험이 있다면 학부연구생 컨택을 하기에는 충분한 수준이라고 생각합니다. 학부연구생은 처음부터 논문을 쓰기보다는 논문을 읽고, 실험을 수행하고, 데이터를 분석하면서 연구 과정을 배우는 경우가 대부분입니다. 따라서 딥러닝 프로젝트를 몇 개 더 한 뒤에 지원해야 한다고 생각할 필요는 없습니다. 다만 CNN, Transformer, PyTorch 같은 기본 개념은 미리 공부해두면 도움이 됩니다. 또한 관심 있는 AI 연구를 하는 교수님이 본인 학과에 없다면 같은 과만 고집할 필요 없이 타 학과 연구실도 적극적으로 알아보는 것을 추천합니다. 대학원 진학이 최종 목표라면 프로젝트 하나를 더 만드는 것보다 학부연구생 경험을 시작하는 것이 더 큰 도움이 될 가능성이 높습니다.

안녕하세요.

KY 라인 학벌에 데이터 분석 및 전통 ML 프로젝트 경험을 갖춘 상태라면 지금 당장 학부연구생 컨택을 진행하는 것이 정답입니다.

1. 완벽한 준비를 기다릴 필요가 없습니다. 교수님들은 학사 3, 4학년에게 대단한 딥러닝 연구 실적을 기대하지 않으며, 데이터 전처리와 머신러닝 기초 역량만으로도 연구실의 데이터 정제 및 코드 구현 업무에 즉시 기여할 수 있습니다. 딥러닝과 논문 분석은 연구실에 들어가 선배들의 지도를 받으며 배우는 것이 가장 빠르고 효율적입니다.

2. 교수님 선택하는 것에 있어서는 타과 교수님께 컨택하는 것이 정답입니다. AI와 데이터 분야는 학과의 장벽이 가장 낮은 학문입니다. 본인이 관심 있는 도메인(의료, 금융, 자연어 등)을 연구하는 타과 교수님께 "타 전공자로서 해당 도메인에 대한 열정이 있으며, 기존에 쌓은 ML 역량으로 연구실 프로젝트에 기여하고 싶다"고 진정성 있게 메일을 보내면 합격 확률이 매우 높습니다.

화이팅입니다.

대학원 진학을 염두에 두고 알아보시는거죠? 원하는 연구실을 찾아서 교수님과 한번 이 내용들에 대해 면담을 해보시는게 어떨까요?

멘티님, 안녕하세요. 멘토 치킨마요입니다.
학부연구생은 보통 논문 읽고 세미나에서 발표하고, 교수님 연구나 대학원생 연구를 보조하면서 데이터 전처리나 실험 코드 돌리는 일부터 시작해요. 처음부터 논문 1저자를 쓰는 경우는 드물고, 점차 작은 실험을 맡아가는 식이거든요. 그러니 지금 딥러닝을 완벽하게 구현할 줄 몰라도 컨택해도 괜찮아요.

오히려 모든 걸 다 준비하고 컨택하려다 타이밍 놓치는 경우가 더 많은 것 같아요. 데이터 분석이랑 전통 ML 경험이 있으면 베이스는 충분하고, 딥러닝은 들어가서 배우는 게 더 빠르거든요. 예를 들어 관심 연구실 논문 한두 편 읽고 "이 부분이 흥미로워서 참여하고 싶다"는 메일이면 충분히 설득력 있어요.

도메인이 과에 없다면 당연히 다른 과 교수님께 컨택하는 게 맞아요. 학부연구생은 같은 과여야 한다는 규칙은 없고, 연구 핏이 훨씬 더 중요하거든요. 차라리 제조 도메인이라도 방법론이 본인 관심사랑 맞으면 그쪽으로 가보는게 어떨까요? 도메인은 나중에 바꿔도 방법론 경험은 계속 남거든요.

안녕하세요 멘티님,

학부연구생은 처음부터 논문을 쓰는 역할이라기보다 논문 읽기, 세미나 참여, 데이터 전처리, 기존 모델 재현, 실험 결과 정리, 대학원생 연구 보조부터 시작하는 경우가 많습니다. 이후 역량이 쌓이면 실험 설계나 논문 작업에 일부 참여하게 됩니다.

현재 데이터 분석과 전통 ML 프로젝트 경험이 있다면 컨택 자체는 해보셔도 괜찮습니다. 딥러닝을 완벽히 준비한 뒤 지원하기보다, 관심 연구실 논문 1~2편을 읽고 어떤 주제에 관심이 있는지 정리한 뒤 연락하는 편이 더 좋습니다. 다만 PyTorch 기초, CNN이나 Transformer 개념, 간단한 딥러닝 모델 구현 정도는 병행해서 보완하시면 적응에 도움이 됩니다.

관심 도메인의 AI 연구가 타과에 있다면 타과 교수님께 컨택하셔도 됩니다. 학과 일치보다 연구 주제와 본인 경험의 연결성이 더 중요하니, 기존 프로젝트와 해당 연구실에서 기여할 수 있는 부분을 짧게 정리해 보내시는 것을 추천드립니다.