최신화된 글을 작성자의 블로그에서 만나보실 수 있어요.
서사적으로 써내려 갈 첫 번째 칼럼의 주제는 대학원에 대한 고민입니다. 기본적으로 저는 늘 고민과 생각이 많은 사람입니다.😅 때는 제가 통계학과 학부 4학년이던 2018년으로 거슬러 올라갑니다. 4학년 1학기 때 학내 교환학생 프로그램에 신청하여 한 학기를 통계의 본 고장이라 할 수 있는 영국의 쉐필드대학(The University of Sheffield)에서 보내게 됩니다.
영어와 여러 가지 교양과목을 수강하며 실컷 놀고 시간도 많았던 때라 자연스레 진로에 대한 고민을 품게 됐습니다.
진로에 대한 고민
당시에도 저는 통계학 전공을 살려 Data Scientist 또는 Data Analyst라 표현되는 직업을 갖고 싶었습니다. 그래서, 다음과 같은 두 가지 기로에서 고민했습니다.
- 취업 준비
- 통계학 대학원
집필진 소개에서 밝혔듯이 어중이떠중이였던 저는 깊은 고민 끝에 2년이라는 시간을 통계학 대학원에 투자할 용기가 없어, 4학년 1학기를 마치고 한국으로 돌아가 취업 준비를 하기로 결심했습니다. 기본적으로 학부 졸업과 취업에 대한 준비(토익, 오픽 등)는 되어있었고, 특히 정말 별 것 아닌 기본적인 소양에 불과한 평균 평점 3.93/4.50, 전공 평균 평점 4.1/4.50, 그리고 지금 생각해보면 형편없었던 R 숙련도에 대한 자부심은 제게 "이 정도면 내가 원하는 직무로 취업 준비를 해봐도 되지 않을까?" 하는 근거없는 자신감을 갖게 했습니다. 이렇게 취업 준비에 대한 결심을 하고 4학년 2학기에 전공 수업 3개를 수강하며 시간을 보내는 와중에, 계속해서 눈에 밟히던 주제가 있었습니다:
머신러닝(Machine Learning, ML), 딥러닝(Deep Learning, DL)
알파고가 바둑에서 2016년 이세돌을 격파하며, 수십 년에 걸쳐 발전해온 딥러닝이라는 기술은 마치 짧은 기간에 개발된 신기술인냥 세상의 주목을 받게 되었고, 그와 같이 매스컴에 종종 등장하는 단어 "머신러닝", "AI"는 제게 호기심이라는 것을 심어주었습니다.
당시 학부 전공 "데이터마이닝"을 통해 머신러닝과 딥러닝에 대한 개념은 있었으나, 회귀분석, 통계적 가설검정, 실험설계, 시계열 자료분석 등을 다뤄오던 통계학 전공생의 머릿속에는 뭔가 큰 그림이 그려지지 않았습니다. 그래서, "이렇게 매스컴에서 핫한 기술인 머신러닝이나 딥러닝은 Data Analyst나 Data Scientist가 필수적으로 잘해야 하는 분야 아닌가?" 하는 지금 생각해보면 쓸데없는 두려움을 품게 되었었고, 동시에 제게 호기심을 불어넣어주었습니다. 그러나, 이때 당시 저는 어떤 것들을 혼자 구글링 해가며 올바른 지식을 쌓고 다양한 자료를 모델링하는 여러 가지 분석기법들의 개념과 전체적 틀을 맞춰나가기엔 그 깊이가 너무 얕았습니다.
그래서, 취업준비를 결심했음에도 머릿속에는 "대학원 진학"이라는 길이 머릿속을 떠나지 않았고, 결국 한 학기만 학부 졸업 예정자로서 Data Scientist, Data Analyst로의 취업을 준비 해보고 제가 다니던 본교의 통계학 대학원을 병행해서 준비해보기로 합니다. 취업 준비 결과는 참담했습니다😅 :
참담한 취업실패에서 배운 것들
취업준비 결과로 당시 실질적으로 손에 쥔 것은 없지만 수많은 취업공고, 우대사항 등을 보고 자기소개서를 써가며 얻은 것과 배운 것이 많았습니다:
- 2018년까지의 내가 해온 활동에 대한 정리
- 자기소개서를 쓰는 방식
- Data Analyst, Data Scientist 직무에서 기업이 원하는 역량
당시 3번 항목을 완벽하게 깨우치지는 못했지만 지금 생각해봐도 해당 직무들에 대해 기업이 원하는 역량은 다소 차이가 있고, 해당 직무를 뽑는 기업의 취업공고, 우대사항을 읽어 보다 보면 자신과 잘 맞는 몇몇 기업이 눈에 들어오는 것 같습니다. 무엇보다도 뼈저리게 느낀 점은 "석사학위에 대한 필요성”입니다. 특히, 석사 학위 이상을 대상으로만 해당 직무를 뽑는 경우가 많아 지원조차 못하는 기업이 많았고, 학사 이상으로 채용을 해도 기본적으로 석사학위 보유자를 우대사항으로 써놓습니다. Data Analyst, Data Scientist 도메인에서 통계학 학사와 통계학 석사가 경쟁하면, 기업 입장에서는 과연 어떤 지원자가 매력적이겠습니까? 본인이 석사학위를 뛰어넘을만한 어마어마한 포트폴리오를 갖고 있지 않는 이상 석사학위 보유자를 선호할 것입니다. 그래서, Data Analyst, Data Scientist를 꿈꾸는 사람이라면 최소한 "석사학위"라는 기본 아이템이 장착되어 있어야 한다고 개인적으로 생각합니다. 다만, 석사학위가 있다고 해서 어떤 베네핏이 있다는 것은 아닙니다. 말 그대로 기본입니다. 해당 직무들을 뽑는 공기업을 포함한 수많은 기업들의 공고들을 봐오며 제 머릿속에 정리된 특징들을 적어봤습니다.
- 학사 이상 신입 채용: 우대사항 -> "통계학" 등의 관련 전공 석사 학위 보유자
- 석사 이상 신입 채용
- 공공기관을 제외한 대다수의 공기업의 경우 필요시 아웃소싱 형태로 외부에 분석을 의뢰하는 경우가 많은 듯함
그리고, 이렇게 졸업 예정자로서 취업 준비를 한 번 해본 경험은 제게 통계학 대학원 진학에 대한 필요성을 직접 피부로 느끼게 해 주었습니다. 당시를 돌아봤을 때 한 가지 아쉬운 점은 취업 준비를 하지 않고 통계학 대학원 준비에 올인했다면, 서울 쪽 대학원을 준비하며 동시에 통계학 대학원에 필요한 밑바탕(e.g. 수리통계학)을 미리 다질 수 있지 않았을까 하는 아쉬움이 남아있네요. 당시의 저처럼 현재 통계학 대학원에 대한 고민을 품고 있는 학부생분들의 선택은 당연히 자유입니다.😊
예전에 나에게 하고 싶은 말
4학년 1학기 영국에서 진로를 고민하고, 4학년 2학기 때 제가 다니던 본교의 통계학 대학원과 취업 준비를 병행해본 사람으로서 배우고 얻을 수 있었던 점과 아쉬웠던 점에 대해서 써보았습니다. 마지막으로 2021년 2월에 통계학 석사학위 졸업을 앞두고 있는 사람으로서, 2018년의 저처럼 똑같은 고민을 하고 있는 분들께 하고 싶은 몇 마디를 하고 글을 마무리하려고 합니다.
첫 번째로, 만약 본인이 Data Scientist, Data Analyst 직무에 대한 열정, 호기심이 큰 통계학 전공자라면 주저하지 마시고 통계학 대학원에 진학하시는 것을 추천합니다. 열심히 이것저것 찾아보며 공부한다는 가정하에 무조건 플러스입니다. 2018년의 학부 졸업을 앞두고 있던 저와 지금의 저를 비교해 봤을 때, 가장 의미 있다고 생각하는 점은 앞으로도 계속해서 쏟아져 나올 분석 방법론, 그리고 소프트웨어 역량이라 할 수 있는 R의 수많은 최신 패키지 등을 혼자 공부하고 정리할 튼튼한 발판을 마련했다는 점입니다. 그리고, 무엇보다 우리 도메인(data science, data analysis)에서 중요하다고 생각하는 자신이 가진 것들을 PR 할만한 능력(i.e. Github, 개인 블로그)도 조금이나마 갖추게 되었습니다. 제가 학부로 졸업하고 취업을 했다고 하더라도 이렇게 튼튼한 발판 없이는 한계가 찾아왔을 거라 생각하고, 정체된 상태에서 결국 언젠가는 대학원에 대한 갈증이 생겼을 거라 생각합니다. 반대로, 해당 도메인에 대한 열정, 호기심이 없이 도피성을 띈 채로 대학원에 진학하는 것은 정말 의미 없는 일이라고 생각합니다. 물론, 이 글을 읽고 계신 분이라면 열정과 호기심이 가득하신 분일 거라 생각합니다!😃
두 번째로는, 만약 본인이 특히 머신러닝이나 딥러닝 쪽을 연구하고 싶다면 통계학 대학원이 아닌 산업공학과 또는 컴퓨터 과학(Computer Science, 또는 소프트웨어 학과라 일컫는) 쪽에서 머신러닝 또는 딥러닝을 전문적으로 연구하시는 교수님의 연구실에 들어가는 것을 추천드리고 싶습니다. 제가 알기로는 한국의 통계학 대학원에서 머신러닝 또는 딥러닝을 깊게 연구하는 연구실은 잘 없는 것으로 알고 있습니다. 만약 있다면 댓글로 알려주세요! 통계학 학부 출신으로 컴퓨터 사이언스 또는 산업공학과의 석사학위를 보유한 머신러닝(또는 딥러닝) 전문가는 취업시장에서 정말 매력적인 사람이라고 생각합니다. 다만, 통계학 베이스가 탄탄하다는 가정하입니다. 통계학 베이스가 약한 상태로 머신러닝 또는 딥러닝 연구를 위해 다른 과 대학원에 진학하는 것이 좋은 길일지는 잘 모르겠네요. 그리고, 학부 수준에서 통계학 베이스를 어느정도 탄탄히 하여, 다른 과 대학원에 진학해 머신러닝 또는 딥러닝 연구를 진행한다고 해도 통계학에 대한 공부를 등한시 해서는 안된다고 생각합니다. 어쨌든 사회에 나가면 우리는 통계학 학부생입니다. Data science든 Data analysis든 여러 분야의 사람들이 모이는 도메인입니다. 통계학 학부 출신이 통계학 베이스가 약하다면 그것만큼 동료들에게 받는 신뢰를 떨어뜨리는 일은 없을거라 생각합니다.
"통계학 대학원에 대한 진학 고민"을 주제로 글을 쓰다 보니 꽤 길어졌네요. 제 주관적인 의견을 바탕으로 한 것이니 꼭 정답은 아닐 거라 생각합니다. 취업 그리고 진로에 대한 길을 만들어 나가는 것에는 수많은 정답이 존재한다고 생각하거든요. 궁금한 사항이나 제가 했던 말들 중 다른 의견이 있으시다면 언제든지 댓글로 남겨주세요. 감사합니다.
🌱 필자소개 Taemo Bang (be-favorite)
📝활동 장소
- Github: github.com/be-favorite
- 개인 블로그: taemobang.com
방태모
안녕하세요, 제 블로그에 오신 것을 환영합니다. 학부, 석사를 통계학으로 전공하고 현재는 지마켓 AI Product 팀에서 Data Science를 하고있습니다. 데이터로부터 인사이트를 추출하는 것을 좋아합니
www.taemobang.com
Thumnail Photo by Christian Erfurt on Unsplash
댓글