컴공 무물
안녕하세요 미국에서 컴싸 전공하고 있는 학생입니다!
최근 바빴던 일도 끝나고, 동생 입시 소식을 듣다 보니 오르비가 생각이 나 계속 들락나락거리다가 글을 남깁니다.
미국 박사진학(이번에, 대학원 커미티 및 교수님을 도와 학생들을 뽑다보니 이제 교수들이 어떤 기준으로 학생을 뽑는지에 이제야 좀 알 것 같습니다) 이나 취직 뭐든 궁금한 것 있으면 물어보세요
0 XDK (+0)
유익한 글을 읽었다면 작성자에게 XDK를 선물하세요.
-
아니 어린 사람을 저렇게 당당하게 추행하고 희롱한다고??? 저스틴비버가 모욕적이라고...
-
엌덕하죠
-
건강>돈>외모>능력>인간관계 이게 정배인듯
-
미적 77인데 3
걍 3이겠네 ㅠㅠ
-
질문받습니다 23
국어 원툴 건대 휴학 군수생입니다
-
원내생 진료 받으려고 하는데 이거 괜찮은거 맞겠죠..? 이런거 안해봐서 모르겠슴다...
-
진로가 고민이 돼서 적어봅니다. 개인적으로 생각하는 각각의 장단점은 설공 장점: 제...
-
질문받아요 13
선넘질받도받아요
-
한참 멀었군
-
사실 따뜻한 사람인 거 아님뇨? 자기만 보기 아까워서 남까지 보여주고 싶어하는 따뜻한 사람인거임뇨?
-
아니 그럼 지금 최초합 개 씹안정에서 불합권까지 갈 수도 있음? 7
재수하기싫은데
-
47나왔는데 그냥 문해력으로푸는 어이없는 문제 1개틀ㄹ림 필수입니다..
-
성균관대 특 4
송중기 차은우 공부 좀 치는 S급 알파메일들 전용 대학
-
아악 나가기싫어
-
169cm의 4
미모의 킴민지 양
-
빨간약 한사발 거하게 마시고 일상으로 돌아가게
-
지1 47 1
98은 뜨려나... 등급컷 여론이 자꾸 오르네
-
진짜 간당간당한거같은데 불가능이겠죠?
-
모두 조용.
-
허경영
-
누가 밀었냐 3
하
-
인간의 본능을 자극하는건 외부의 아름다움일뿐..
-
쌍사 선택 3
올해 수능 생윤 사문 선택했습니다. 늘 1등급이던 생윤에서 미끄러지고 1년동안...
-
남자들 누가 더 좋나요
-
밖에서 읽기 눈치보여요
-
하는법률만들어야된다고생각해요
-
키특 1
169랑 170이랑 179랑 180이랑 진짜 차이 하나도 없는게 맞는데 숫자때매 차이 심해보임
-
원점수 80인데 갈리냐 안갈리냐 그냥 운빨일듯 진짜 안갈리면 좋겠다
-
나군에 성대 말고 쓸 곳이 없음 텔그에서 서울대식 392라 쓸 곳도 없고..
-
공통 2개 맞추고 미적 27번부터 틀릴꺼면 그냥 통통이로 돌려???
-
외국 책중에서 인간실격 멋진 신세계 파리대왕 데미안 1984 변신 이방인 동물농장...
-
진짜 과 아무거나 상관없고 물변뜬다쳐도 죽어도 못가? 스나도 못할만한 성적임?
-
키ㅇㅈ못하는이유 2
개작아서 부끄러움
-
흠
-
키가 크게 큼 3
원래 '키'가 '크기'랑 '키(height)' 모두 뜻했음요
-
-
대기하면 컨설팅 받을수 있는 확률이 어느정도인가요? 제주도에서 비행기타고 설명회도...
-
"수능 잘보는것보다 잘생긴 것이 낫다" <=실제로 단과 종강때 얘기함
-
모든 것을 평등하게.
-
존잘에 고능아면 13
너무 사기캐 아닌가 역시 무신론이 옳았네요... 이게 뭐가 공평해
-
재종에서 로맨스 찍겠누
-
솔직하게
-
오르비언들은 누가 더 좋아요? 전 후자가 더 멋진듯..
-
저도 글 제목 까리하게 색깔 입히고 싶은데
-
올해 무조건 성불각임 ㅋㅋㅋㅋㅋ...
-
사탐런은 지능순 -> 고지능 사탐런 -> 과탐 고지능 블랭크, 서울대 고대 이공계...
-
부엉 1
우
-
근데 분석결과 한번이라도 열람하면 환불 안된다하네 내돈
-
내 갠적인의견인데 확통은 워낙 꼼꼼하게 정리안하면 실수가 잘나오다보니 나처럼...
-
아가취침 2
CS, Math 전공하는 학부생이고 국내에서 석사 후 미국 Ph.D. program 진학 계획하고 있습니다. 혹시 분야(무엇을 연구하는 랩에 계신지)를 여쭤봐도 될까요?
Systems for ML이요. 요즘은 LLM inference를 빠르게 serving하기 위한 시스템 연구하고 있습니다.
그나저나 닉네임이 좋네요!
닉 보고 예상하셨겠지만 아직 연구분야는 못 정했지만 저도 ML 쪽으로 공부를 하고 있습니다!
질문 몇 가지 드려볼게요
0. 혹시 학교를 여쭤봐도 실례가 아니라면.. 궁금합니다. 말씀하길 꺼리신다면 패스해주셔도 됩니다.
1. 요새 AI/ML Ph.D. Admission 받기가 힘들고 한국에는 target school이 없어서 한국 학부를 나온 사람이 미국 탑스쿨 진학하는 것이 정말 어렵다고 하는 의견이 많던데 어떻게 생각하시나요?
2. 미국 학교들에선 SNU, KAIST 혹은 SKPYK를 어떻게 평가하나요? 1번도 마찬가지지만 미국에서 박사과정 중이신 지인 분들이 좀 있어서 들은 게 있긴 하지만 조금 교바교, 학바학일 수도 있을 거 같아 여쭙니다.
3. 석사 학위 수여 예정자 기준으로, 지원하려는 랩에서 하는 연구와 fit이 맞다는 전제 하에 교수들이 흥미를 가질 만한 CV를 만드려면 어느 정도 실적의 양과 질을 갖춰야 할까요?
4. GPA는 admission에 critical한 factor가 아니라고는 알고는 있어서 좀 바보 같은 질문일 수도 있는데 뽑는 입장에서 이 정도면 괜찮다 혹은 이 정도는 좀 그렇다 싶은 기준이 있을까요? (2번과 좀 연결되는 질문일 수도 있을 것 같긴 합니다). 또는 (아마 랩마다 다를 것 같긴 합니다만..) 특히 좀 더 중요하게 보는 과목들이 있을까요?
막상 하려니까 정리도 안 되고 뭘 물어봐야할지 잘 안 떠오르네요 ㅎㅎ..
0. CS ranking Top 7 안에 드는 학교입니다. 구체적으로는 말씀드리기 힘들 것 같네요
1. 저는 system이긴 하지만 옆에서 보기에 AI/ML은 정말 탑스쿨 진학이 쉽지 않습니다.
2. 저희 학교는 undergraduate 티어가 자동으로 측정이 되어 표기되는데, SNU, Kaist는 티어 1, PY는 티어 4였던 것으로 기억납니다. 그 아래는 올해에는 본 적이 없는데 (보기 전에 screening 당했을 수도 있고요), 아마 Unknown 티어인 것으로 알아요.
3. 보통 석사 학위를 받은 지원자 경우에는 학부 나오고 direct 미박보다는 기준이 엄격해집니다. 요구하는 논문의 수가 많아지는 것은 절대 아니라서 탑티어 1저자 2편정도면 충분합니다. 다만 석사 졸업자는 그 논문의 임팩트도 고려 대상이 되어, 교수나 커미티가 접해본 논문이어야 가능성이 많이 올라갑니다.
4. GPA는 저 같은 경우는 지원자의 학점이 4.3/4.3 아닌 경우에는 기억도 안 날 정도로 critical하지 않습니다. (설사 4.3이더라도 오~ 신기하네 정도로 끝나고요) 3.3만 넘기면 문제 없습니다.
감사합니다!
마지막으로 하나만 더 여쭙고 가겠습니다.
미박 가신 지인 분들 몇 분이랑 이야기를 해봤는데,
제가 아직 병역을 하지 않은 상태이고, 2년을 군대에 가서 아무것도 못하고 그 시간을 태우는 것보다 바로 석사까지 쭉 하고 연구를 할 수 있는 역량이 된 상태로 석전연을 하며 논문을 더 쓰는 게 낫지 않겠냐는 생각으로 계획을 하고 있습니다.
이렇게 되면 제가 나이가 꽤 찬 상태로 지원을 하게 될 것 같고 (만 29~30세) 당연히 AI 관련 업체로 가겠지만 제 연구분야와 완전 fit한 기업에서 일하지 못할 가능성도 있습니다.
1. 나이는 딱히 상관이 없는지
2. 제 연구 분야와 상관 없는 work experience는 사실상 공백 취급이 되는지
3. 학교나 연구를 진행하는 기업에 소속되지 않은 상태로 따로 연구를 하는 것이 현실적으로 가능한지
제 지인 분들은 셋 다 상관 없다는 듯이 말씀하셨는데 그냥 견해을 여쭙고 싶습니다.. 현 시점 가장 힘들고 어려운 고민이라 다양한 분들께 물어보는 중입니다.
1. 네 상관없습니다. 나이 섹션이 있었는지도 모르겠네요
2. 아쉽게도 네, 아예 없는 것보단 낫지만 (뭘했는지도 모르니) 그냥 공백입니다.
3. 이건 뉴립스님 상황에 따라 다를 것 같은데, 연구를 많이 leading 해보신 경험이 있어서, advisor 없이 연구를 할 수 있는 역량이 있다면 가능하겠지만, 없으시다면 현실적으로 많이 힘들 것 같습니다.
그나저나, 미박 가신 지인 분들이 AI ML 분야로 가신 분들 맞나요? 1번과 2번은 그렇다 쳐도 3번은 critical하다고 생각되는데 의외네요. 참고로 AI ML 미박은 다른 분야 미박이랑은 차원이 다른 난이도라고 생각됩니다. (물론 다른 분야를 경험해보지 않았지만요)
그리고 꼭 석사를 거쳐야하시나요? 다이렉트 미박이 난이도가 특히 탑스쿨은 난이도가 쉬워집니다. 석사 졸업자는 임팩트 있는 논문의 유무가 되게 중요한데, 석사 2년이 짧은 기간은 아니지만, 임팩트 있는 논문을 내는 것은 운도 많이 따라줘야해서요
모두 AI/ML은 아닙니다. 그래서 여기저기 물어볼 수 있는 대로 물어보는 상황입니다.
상관 없다는 것이 안 중요하다가 아니라 너가 잘하면 상관없다에 가깝습니다. 너무 줄여서 말한 거 같아서 좀 덧붙이자면 석사 할 때 1저자 쓴 경험이 있으면 나와서도 충분히 할 수 있다~~ 석사 때 지도교수랑 관계를 잘 쌓으면 좀 도움도~~ 이런 식으로 이야기 했던 거 같은데 저도 당시에 술을 좀 마시면서 들은 거라 디테일하게는 기억이 안 나네요.. 조만간 다시 물어볼 생각입니다. (이 말 하신 분은 Bayesian 하는 분이고 24 Fall부터 미국에서 박사과정 하는 걸로 알고 있습니다.)
그리고 저도 원래는 Direct Ph.D.를 생각하지 않은 건 아닙니다만 한국에서 나가기가 정말 어렵다고 하더라고요.. 특히나 AI/ML은 실적이 있어야 한다고들 하는데 제가 복수전공을 하다 보니 코스웍이 좀 빡세서 학부 때 유의미한 연구 참여와 실적까지 잘 해낼 수 있을지 잘 모르겠습니다.
당장은 연구 분야도 확실하게 모르겠고 있다고 한들 박사를 할 만큼의 열정이 나에게 있는지도 모르니 막연하게 KAIST AI대학원 혹은 분야가 정말 fit한 경우 자교에서 석사를 하고 나가야겠다는 생각입니다.
T20 이내 학교를 목표로 할 때 다이렉트로 나가는 것이 훨씬 수월하다고 보시나요? 저한테 이걸 추천해주신 분도 있긴 한데 의견이 좀 갈려서요. 한국에선 진짜 괴물이 아니면 안 된다고 보면 된다.. 등등
네 개인적으론 T20 이내 학교를 목표로 할 땐 다이렉트로 나가는 것이 훨씬 수월합니다.
물론 연구 경험이 없으시면, 불가능하니, 최대한 빨리 연구 경험을 쌓는 것이 좋아보입니다.
학부 졸업자는 그냥 탑티어(ICML ICLR NeurIPS) 1저자를 1편~2편정도 있으시면 (임팩트가 그냥저냥해도) 확실히 매력적인 candidate입니다.
석사 졸업자도 앞서 말했듯 1저자가 1~2편이면 충분하지만 (논문 수는 절대 다다익선이 아닙니다) 보통 합격자는 지도교수와 fit이 맞고 임팩트 있는 논문이 있더라고요.
저는 학부 졸업을 늦추더라고 (5~6년까지는 보통 이해해주는 분위기 같습니다) 탑티어 1저자 목표로 연구 기회 참여를 추천드려요
오르비엔 왤케 goat가 많지..
저도 입시 때 도움을 많이 받은 기억이 있네요
노베로 대학교 입학해도 열정이랑 노력으로 충분히 중고등학교부터 시작한 학생들 따라잡을 수 있을까요
네 저는 그렇다고 봅니다 재능이 심각하게 없으면 안되겠지만요
안녕하세요. 저는 인서울 하위권에서 컴퓨터과학을 전공하고 있습니다. 다름이 아니라 운영체제나 시스템 쪽을 주로 공부해서 여기에 흥미가 생겨서 대학원 진학을 알아보고 있는데 제가 졸업하면 학점이 4.1/4.5 정도 될거 같습니다.
국내 대학원을 진학해보고 싶은데, 제가 랩에서 인턴이나 기타 경험이 거의 없습니다. 지금 가지고 있는게 그나마 학점뿐입니다.
1. 운영체제 분야에서는 대부분 연구가 끝나서 주로 하는 연구가 파일 시스템이나 메모리 관련된거 같은데, 이쪽 분야는 어떤지 궁금합니다.
2. 지금 저는 곧 4학년 1학기인데, 보통 연구실에 언제 즈음 컨택하는지 잘 모르겠습니다.
3. 거의 모든 분야에서 (AI와 상관없더라도) 기계학습에 관련된 연구를 하는 것 같은데, 어느 정도 학습해야 할까요?
4. 주로 하던 공부가 운영체제, 컴퓨터 시스템이나 조금 더 나아가서는 리눅스 커널 정도만 공부해봤는데, 연구실에 컨택하기 전에 어떤 걸 더 해봐야 할까요?
5. 국내 대학원 진학하는 데에 학부 학벌이 크게 영향을 미치나요?
6. 대학원을 진학해서 학부생 때와 달라져야 할 생각이나 자세는 어떤 것이 있어야 할까요?
감사합니다.
1. 파일 시스템, PIM 모두 사실상 거의 연구가 끝난 분야라고 알고 있습니다. (틀릴 수 있는 정보입니다).
2. 자교든 타교든 이르면 이를 수록 좋습니다. 자교는 보통 2-2~3-1쯤(제 학부 기준) 하는 것으로 알고 있고 타교는 모르겠네요.
3. 요새는 AI는 물론 시스템도 LLM Paper의 비중이 많이 높아지고 있는 추세이고, LLM 서빙 속도 최적화가 매우 중요한 주제이기에 연구 분야를 찾는데 도움이 될 수 있습니다. (당연하게도 자기가 하고 싶은 것을 해야하겠지만요.)
4. 자교든 타교든 가서 굴러봐야 알 수 있습니다. 최대한 빨리 컨택하세요. 저라면 연구 분야를 먼저 찾을 것 같습니다.
5. 어느 대학원이든 가장 중요한 것은 1) 연구실적 그리고 2) 학벌 3) 학점 순으로 가는 것 같은데, 미국은 웬만한 지원자들 모두가 연구실적이 있어 학벌 학점이 크게 중요하지 않지만, 한국은 지원자들 대부분이 연구실적이 많진 않아 학벌이 어느정도 중요한 것 같습니다.
6. 가장 큰 차이라면 학부생은, 주어진 문제를 풀며 정답이 있음을 모두가 알고 심지어 정답을 아는 사람이 주변에 있는(조교나 교수님) 과제들과 시험 문제를 푸는 반면, 대학원생은 자기가 풀 문제를 정해야하고 심지어는 그 문제가 어쩌면 정답이 아예 없을 수도 있으며 솔루션을 아는 사람이 주변에 아무도 없는데요,
두 가지 큰 차이를 말씀드리자면,
1) 이 문제를 과연 풀 수 있는 문제인가 없는 문제인가를 빠르게 판별하는 능력
2) 이 문제가 과연 연구자들이나 엔지니어들이 관심 있을만한 문제인가를 잘 판별하는 능력이 제일 중요한 것 같습니다.
답변 감사합니다.
젠슨황 말대로 인공지능한테 대체될까요?
제가 봤을 때에는 role이 달라지지 완전히 대체되지는 않을 것 같아요
영주권자이신가요?
아쉽게도 아니요