미국 대학원 유학 시 학부전공과 대학원전공이 일치해야 하나요?
- 글쓴이
- 흐드미
- 등록일
- 2017-06-22 13:08
- 조회
- 7,898회
- 추천
- 0건
- 댓글
- 10건
관련링크
학부 학점은 5학기를 마친 현재 4.XX/4.3을 유지하고 있으며, 이 학점을 유지한다면 학부 우등 졸업이 거의 확실시됩니다.
미국 TOP10 이상의 대학원 진학을 막연하게나마 꿈꾸던 중, 최근 기계공학과 소속 연구실이 아닌 전자공학과 소속의 computer vision 연구실에서 학부연구를 시작하기로 가닥을 잡았습니다.
아마 미국 대학원 박사과정을 지원할 때에도 EE/CS 분야 대학원 과정을 지원하게 될 것 같은데, 3학년 1학기가 끝난 지금 제 학부 소속이 기계공학과라는 점이 패널티가 되지 않을까 마음에 걸립니다.
제게 주어진 선택지는 크게 세 가지인 것 같습니다.
1. 기계공학과 학부 졸업 후 대학원 진학 시 EE/CS 분야로 지원 (4학년 졸업)
2. 다음 학기부터라도 기계/전자 복수전공을 신청 (5학년 졸업)
3. 아예 전자공학과로 전과 신청 (5학년 졸업)
1번의 경우 학부 과정 커리큘럼의 연속성을 계속 이어나갈 수 있고 졸업을 위한 심적/시간적 압박도 적은 반면, computer vision 분야가 EE/CS 출신이 강점을 보이는 분야다 보니 기계공학과 학부생으로서 미국 대학원 지원 시 디메리트가 되지 않을까 하는 걱정이 됩니다. (자대 대학원 입학 시 전공을 바꾸는 경우는 종종 봤지만, 한국 학부 졸업 후 미국 대학원 박사 유학 시 전공을 바꾸는 경우는 본 적이 없는 것 같아서 그렇습니다.) 물론, 이 경우 computer vision과 연계가 되는 EE/CS 학부 과목을 일부 수강할 계획입니다.
2번은 기계 전공과 전자 전공 졸업생으로서의 장점을 모두 살릴 수 있으나, 잘못하다 두 전공 중 이도 저도 아니게 될 수 있지 않을까 우려됩니다. 학업에 대한 부담이 배로 늘어난다는 것과 졸업이 1년 늦어진다는 점은 두말 할 필요도 없고요.
3번의 경우는 잘 다니던 기계공학 전공을 두고 굳이 전과를 하려니 주저됩니다. 2학년 전공부터 새로 들어야 하며 졸업이 1년 정도 늦어진다는 점도 마음에 걸리는군요.
미국 대학원 박사과정 지원 시 학부 전공과 대학원 전공이 일치하지 않아도 무관할지 궁금합니다. 옮겨 가려는 학과가 최근 가장 핫하고 경쟁이 치열하다는 EE/CS 전공이라 자칫 패널티를 받지 않을까 더욱 고민이 되네요.
선배님들의 고견을 기다리겠습니다.
다른 사람들 의견
-
돌아온백수
()
굳이 컴퓨터 비젼을 선택한 이유가 있나요?
이분야는 지금 거의 천정에 올라온 것 같습니다. IEEE 에서 학생 참여 경진대회를 할 정도입니다. ImageNet 이라고 이미지 파일을 모아놓고서 사물 인식의 정확도를 주어진 시간내에 겨루는 대회입니다.
오픈소스로 여러가지 언어로 관련 라이브러리들이 공개되어 있고요. 온라인 강의도 넘쳐납니다. 아마도 유학해서 학위를 받으실때 즈음이면, 더 이상 파먹을게 없을지도.... -
흐드미
()
컴퓨터 비전 분야로 가닥을 잡은 이유는 앞으로 하드웨어 중심의 전통적인 기계공학 분야보다는 소프트웨어 기술 발달을 중심으로 세상이 변화할 것이며, 기술 수요 역시 크게 늘어날 거라 생각해서입니다. 굳이 패턴인식 등 컴퓨터비전 하면 떠오르는 분야가 아니더라도 digital imaging이라던지 SLAM 등 아직 개척되지 않은 흥미로운 주제가 많지 않나요?
-
zhfxmfpdls
()
헉.....?? 천정이라니요.. 아닙니다.
지금 기술 수준은 이미지에 객체 식별은 상당한 수준의 정확도를 보입니다만,
현재 기술수준은 '겨우' 그정도까지입니다.
이미지를 기반으로 시멘틱까지 확장해서, 이미지 객체가 어떤 행동을 하는지,
행동 추론이라던가.. 이런거 아직 초보단계이고, 연구할거 한참 많습니다.
겨우 객체가 무엇인지를 인식한거 밖에 안됩니다.
기계가 인간 이상의 추론과 직관을 가질 수준이 될때까지 연구할건 한참 남아 있습니다. -
돌아온백수
()
그러니까, 경진대회를 한다는 얘기는요....
CNN, RNN 등의 신경회로망을 모사하는 방식이거나, euclidian-distance 류의 차원을 줄이는 인코딩/트랜스폼 후에 비교하는 방식등이 시행착오 말고는 뾰족한 설명이나 논리적인 배경이 없다는 거죠.
이런 상황을 '겨우' 라고 볼 수도 있는데요. 소스 코드 풀어주고, 대회를 몇년 하면, 주로 우승하는 모델이 수렴할것으로 보이고요. 그 과정의 시행착오와 축적되는 계산량을 일개 개인의 학위논문 정도로 뒤집기는 어려우리라 봐요. -
zhfxmfpdls
()
저.. 경진대회 이야기하던게 아니었는데요.
이미지넷도 뭔지 잘 알고 있구요...
그냥.. 컴퓨터비전 등 해당 분야의 연구수준이 과연 '천정'인가에 대한 것이지요....
음... 저 그리고..
말씀하신 논리적인 배경이 없다는거.... 아이코......
지금까지, 해당 분야는 알고리즘의 싸움이었지만,
최근은 빅데이터 환경으로 바뀌면서 알고리즘->데이터 중심 상황으로 역전합니다..
알고리즘보다 데이터가 만들어내는 결과물이 실질적으로 힘을 발휘하는 시대가 온거에요. 논리적인 배경이 없다고, 무의미한 것은 아닙니다.
저는 컴퓨터공학과이고, 돌백님과는 보는 관점이 당연히 다를 것이긴 할겁니다.
암튼.. 제가 말씀드린 부분은 돌백님께서 지적하신 부분과 다른 관점으로 보이고,
학위논문이요? 연구란.. 최소한 연구소 팀/부서 단위에서 움직이는 프로젝트 개념이 먼저 떠올라서요.. 저도 박사까지 한사람이고, 졸업한지 오래되어서...
그렇게 팀단위의 작업 결과물은 해당 프로젝트에 참여한 박사과정 졸업생의 논문에 활용될수 있다는거.. 잘 아시지 않습니까.. ㅎㅎ
박사가 혼자 연구해서 혼자 졸업논문 쓰나요?.. 미국은 그런지 잘 모르겠습니다만..
국내는 박사과정에서 열심히 프로젝트한 결과가 졸업논문에 많이 반영되죠.
여튼.. 제가 주장하고 싶었던 부분은,
아직도 그 분야는 '연구할게 많다' 라는 것이었습니다. 다른뜻 아닙니다. -
돌아온백수
()
아직 까지는 학위논문은 개인이 혼자 과제를 발굴하고 진행할 수 있느냐는 일종의 증명서 이기 때문에, 주도적인 논리전개가 필수적이고, 분량을 채울만한 그런 연구거리가 있을지는 좀 막연하다고 봅니다.
프로젝트나 일자리는 다를 수가 있죠. 조금 더 가겠지요.
예를 들자면, 골목이나 대로변의 CCTV 처럼, 조건이 특정되는 경우, 다른 효율적인 방식이 나올 수 있죠. 아니면, 나이트 비젼이라든지, 수중촬영이라든지, 특정 색깔이나 패턴이 반복되는 경우등에 더 호율이 높은 방식이 존재할 수 있습니다.
마치, 동굴에 사는 박쥐의 시각이 퇴화하듯이, 어디나 적용되는 그런 방식보다는 상황에 맞는 방식이 있을거라고 봐요.
하지만, 박사는 글쎄요. 그리고, 경쟁이 말이 아닐거라고 봅니다. 학부 졸업 수준의 역량으로 감당할 만한 일거리와 프로젝트들이 넘치겠지요. -
zhfxmfpdls
()
실질적으로 국내 프로젝트에서
교수는 거의 프로젝트명만 들고오고,
실질적인 연구 제안서, 보고서, 핵심아이디어, 결과물 대부분 박사과정이나 포닥에 주도됩니다.
지유공모과제가 얼마나된다구요.
대부분 논리전개까지 박사라면 알아서 할 능력이 되어야죠.
그리고...
CCTV에는 아직 돌백님 생각보다는 연구분야가 아직 많습니다.
제가 영상처리 과제도 하고 있어서, 동향은 잘 일고 있습니다.
언급하신 내용들은 단순히 시각적인 부분에 대한 내용이고,
여기에 인간의 뇌 기능을 하는 지능화 부분이 덧씌워진다고 보면 되어요.
인공지능의 발달과 영상처리는 밀접한 관계가 있거든요. -
샹화
()
그 computer vision 연구실에서 석사한 후에 미국 박사 가세요.
관련 연구 경험이 없으면 ee/cs 박사 과정으로 잘 받아주진 않습니다.
학점이 높다고 하더라도 올리젝 받을수도 있습니다. -
흐드미
()
흐 역시 요즘 ee/cs 어드미션이 힘든가 보네요... 1년 반 ~2년 정도의 학부 연구 경험만으론 부족할까요?
-
naiad
()
학부연구경험보다는 research experience (paper, project), work experience 를 주로 봅니다. 학부때 연구로는 어필하기가 힘듭니다.
