인공지능·소프트웨어학과

이 학과는 무엇을 다루는가

인공지능·소프트웨어학과는 데이터로부터 규칙을 학습하는 시스템을 설계하고 구현하는 방법을 다룬다. 컴퓨터공학과 다루는 내용의 상당 부분이 겹치지만, 학습 알고리즘의 수학적 원리를 다루는 비중이 더 크다는 점에서 차이가 있다. '인공지능'이라는 이름 때문에 로봇을 만들거나 사람처럼 대화하는 프로그램을 곧바로 다루는 학과로 오해하기 쉬운데, 실제로는 데이터를 정리하고 모델을 학습시키고 그 결과를 검증하는 과정을 반복하는 학문이다. 컴퓨터를 잘 다루는 것과 컴퓨터가 스스로 판단하도록 만드는 것은 다른 문제이며, 이 학과는 후자에 더 가깝다.

무엇을 배우는가

저학년 과정에서는 프로그래밍 언어와 자료구조, 알고리즘처럼 소프트웨어를 다루는 기초 도구를 익힌다. 이 시기에 함께 배치되는 선형대수와 확률·통계는 뒤에 나오는 학습 이론을 이해하는 바탕이 된다.

고학년으로 갈수록 다음과 같은 내용으로 이어진다.

• 기계학습: 데이터에서 규칙을 찾아내는 여러 방법론과 그 한계를 다룬다.
• 딥러닝: 여러 층으로 이루어진 모델을 설계하고 학습시키는 방법을 배운다.
• 데이터베이스: 학습에 쓸 데이터를 저장하고 관리하는 방법을 다룬다.

실습 비중은 학년이 올라갈수록 커지며, 직접 데이터를 모으고 모델을 만들어 성능을 개선해보는 프로젝트형 수업이 많아진다. 다만 실습과 프로젝트의 형태, 현장실습 연계 여부는 대학마다 다르다.

고교 과목과의 연결

미적분과 확률과 통계는 기계학습과 딥러닝에서 다루는 최적화·확률 모델을 이해하는 데 직접 쓰인다. 정보 교과에서 접한 프로그래밍 경험은 자료구조·알고리즘 수업의 출발점이 되고, 물리학Ⅰ에서 익히는 인과관계를 따지는 사고방식은 시스템을 설계할 때 요구되는 논리적 사고와 통한다.

학생부종합전형에서는 이런 과목을 선택하고 이수한 과정이 지원자의 관심 방향을 보여주는 자료로 읽히는 경우가 있다. 다만 이는 해당 과목을 들었는지 여부로 지원 자격이 갈린다는 뜻이 아니라, 왜 이 과목을 선택했는지 스스로 설명할 수 있어야 한다는 뜻이다.

진학 전에 확인할 것

첫째, 수학을 쓰지 않는 프로그래밍만 배우는 학과로 여기는 오해가 있다. 코딩 자체보다 그 코딩으로 구현하는 이론의 수학적 근거를 이해하는 데 더 많은 시간이 든다.

둘째, 컴퓨터공학과와 이름만 다를 뿐 배우는 내용이 똑같을 것이라 여기는 경우가 있다. 겹치는 과목이 많지만 학습 이론과 통계적 방법을 다루는 과목의 비중, 편성 순서는 학과마다 다르게 짜여 있다.

셋째, 정보처리기사나 빅데이터분석기사 같은 자격을 따면 진로가 특정 방향으로 정해진다고 생각하는 경우가 있다. 이런 자격은 실무 지식을 확인하는 여러 수단 중 하나일 뿐, 소프트웨어 개발과 데이터 사이언스, 대학원 진학 중 무엇을 선택할지는 별개의 문제다.

교육과정 구성과 실습 비중, 필수·선택 과목의 배치는 대학마다 다르므로 지원 전에 해당 대학의 모집요강과 학과 홈페이지를 반드시 확인해야 한다.