세계 인공지능 대학원 순위 - segye ingongjineung daehag-won sun-wi

AICE 내달 12일 첫 시험…"데이터 해석하고 모델링 연습해야"

다음달 12일 첫 번째 AICE 정기 시험이 치러진다. AICE는 한국경제신문사와 KT가 함께 개발한 인공지능(AI) 교육·평가 도구다. 국내 최초로 마련된 전 국민 대상 AI 평가인 만큼 취업을 준비하는 학생부터 업무에 AI를 활용하려는 직장인까지 다양한 사람의 문의가 이어지고 있다. 시험에 앞서 질문이 잦은 부분을 정리했다. (1) 어떤 시험이 치러지나AICE는 응시자 수준에 따라 초등학생용부터 AI 전문가용까지 다섯 단계로 구분된다. 제1회 정기 시험에서는 일반인 대상 베이식(BASIC)과 준전문가용인 어소시에이트(ASSOCIATE) 등 두 종류의 시험이 치러진다. 다음달 4일까지 신청을 받는다.베이식은 코딩을 몰라도 시험을 볼 수 있다. KT가 자체 제작한 툴 ‘에이아이두 이지(AIDU ez)’를 이용한다. 60분 동안 15개 문항을 통해 탐색적 데이터 분석과 AI 모델링 역량을 평가한다. AI 원리 이해, 업무 활용, 결과 해석 능력 평가가 목적이다.어소시에이트는 파이선을 알아야 한다. 실무에서 가장 많이 쓰이는 표 형태(tabular) 데이터를 분석하고 처리하는 것부터 머신러닝·딥러닝을 활용해 모델링하는 것까지 포함된다. 90분 동안 14개 문항을 풀어야 한다. (2) 시험은 어떻게 보나시험은 온라인으로 진행된다. 응시자 본인의 집이나 사무실 등 인터넷 연결이 원활한 장소면 어디든 상관없다. 주민등록증, 운전면허증 등 본인 사진이 포함된 신분증과 본인 명의 휴대폰, 인터넷 접속 및 웹캠이 가능한 노트북·데스크톱이 필요하다. 모바일 기기로는 시험을 볼 수 없다. 크롬 브라우저가 필요하다. 시험 7일 전 보내주는 메일 내용에 따라 응시 환경에 대한 사전 점검을 할 수 있다.시험 당일에는 응시 시간 30분 전부터 오리엔테이션이 진행된다. 본인 확인과 부정행위 방지를 위한 카메라 세팅 등의 작업이 이뤄진다. AICE 시험은 온라인 감독관 시스템을 도입해 신분증을 확인하고, 온라인 모니터링 방식으로 부정행위를 방지하고 있다. 응시 중에는 부정행위 방지를 위해 카메라를 켠 채로 유지해야 한다. (3) 어떤 문제가 출제되나베이식 시험은 분류(범주형), 회귀(수치형) 2개 유형의 표 형태 데이터가 주어진다. 데이터 기초적인 정보를 분석하는 것부터 시각화, 데이터 가공, AI 모델 학습, 활용 등 에이아이두 이지의 기능을 이용해 문제를 풀면 된다. 데이터 처리와 모델링을 진행하고 그 결과를 답안지에 입력하는 방식이다.어소시에이트는 파이선을 활용한 주피터 랩 환경에서 이뤄진다. 한 개의 표 형태 데이터가 주어진다. 이 데이터를 분석하기 위한 라이브러리를 설치하고, 데이터 전처리·시각화를 거쳐 머신러닝·딥러닝으로 AI 모델을 만들어야 한다. 프로그래밍 언어 파이선에서 쓸 수 있는 도구인 판다스(pandas) 활용법을 알고 있어야 한다. 데이터 결측치 제거 및 채우기, 데이터 유형 변경 등에 대한 지식도 필요하다. (4) 시험 준비는 어떻게 할 수 있나기업이나 대학 등 단체 고객은 AICE 사이트 내 AICE 레디·케이스스터디 영상 강좌를 볼 수 있다. 기본적인 AI의 개념부터 실제 현업에서 AI를 활용해 문제를 해결한 사례까지 다양한 전문가 강의가 제공된다.이번 정기시험에 응시하려는 개인 고객을 위해 1회차 정기 시험에 한해 무료 라이브 특강을 한다. 회원 가입과 강의 신청은 AICE 공식 사이트에서 하면 된다.응시자를 위한 다양한 이벤트도 진행된다. 무료 라이브 특강 수강, 시험 접수, 응시 등 각 단계를 거쳤음을 SNS로 인증하면 AICE 굿즈 등의 선물을 증정한다. 또 AICE 시험 재응시자에겐 20%의 할인 혜택을 준다.이승우 기자 [email protected]

가비지 인, 가비지 아웃…"데이터가 AI의 전부였네"

인공지능(AI)의 개념도 알았겠다, 본격적으로 AI 모델링을 배워보기로 했다. 텐서플로, 파이토치처럼 언젠가 기사에 썼던 ‘머신러닝 라이브러리’를 공부하게 될 줄 알았다. 하지만 먼저 마주한 것은 1만 개 이상의 열(칼럼)로 이뤄진 CSV 확장자 데이터(tabular) 파일이었다.“머신러닝 실행을 위한 코드는 4줄, 딥러닝은 8줄이면 충분합니다. 가장 중요한 것은 데이터입니다.” AI는 데이터를 갖고 패턴을 만들어 자동화하고 예측하는 도구인 만큼 데이터가 없다면 AI도 성립할 수 없다. 얼마나 잘 정돈된 데이터를 입력하는가에 따라 결과물도 천차만별로 나올 수밖에 없다. 한마디로 ‘가비지 인, 가비지 아웃(garbage in, garbage out·쓰레기를 넣으면 쓰레기가 나온다)’이다. AI 모델링은 데이터를 확보하고 AI가 학습할 수 있도록 데이터를 정리하는 전처리 과정이 70%를 차지한다.가장 먼저 해야 할 일은 데이터의 전체적인 모습을 파악하는 것이다. 무엇에 관한 데이터인지, 이를 통해 어떤 사실을 알고 싶은지를 정리하는 게 첫 번째다. 데이터는 크게 피처(feature)와 레이블(label)로 구분된다. 피처를 x, 레이블을 y라고 부르기도 한다. 피처를 활용해 레이블을 예측하는 게 AI 모델의 최종적인 목표다. 예측에 앞서 데이터를 분석하고 유용한 피처와 필요 없는 피처를 선별하는 과정을 ‘탐색적 데이터 분석(EDA: exploratory data analysis)’이라고 부른다.가령 공유 자전거 업체가 과거 기록을 기반으로 향후 자전거 수요량을 예측하려고 한다. 대여 날짜와 시간, 온도, 습도, 풍속 등은 피처, 대여 수량은 레이블이다. 분석하지 않아도 직관적으로 알 수 있는 사실이 있다. 눈, 비가 오면 대여량이 줄어든다거나 출·퇴근 시간에 대여량이 더 많을 것이라고 생각할 수 있다.데이터 분석과 시각화 도구를 통해 예상이 맞는지 확인하는 과정에서 데이터의 이상 여부도 파악할 수 있다. 가령 풍속 데이터가 대부분 0이었다면 바람이 불지 않은 날이 많았다기보다는 제대로 데이터를 측정한 날이 거의 없었다고 해석하는 게 더 타당하다. 이때는 풍속을 변수에서 빼줘야 한다.AI가 이해할 수 있는 형태로 데이터를 수정하는 것도 이 단계에서 이뤄진다. 성별 항목이 ‘남성’과 ‘여성’이라고 적혀 있다면 ‘0’과 ‘1’처럼 숫자로 바꿔주는 ‘레이블 인코딩’이 대표적이다. 비어 있는 데이터를 특정 값으로 채우거나 아예 없애기도 한다.많은 데이터가 있어도 레이블과 관련이 없다면 예측 성능을 떨어뜨린다. 이 때문에 본인이 잘 아는 분야나 업무와 관련한 데이터로 AI에 입문하는 게 가장 좋다. (③에서 계속)이승우 기자 [email protected]

[아시아엔=이강렬 미래교육연구소장] 인공지능(AI)는 향후 가장 유망한 전공 가운데 하나로 많은 학생들이 선택하고 있다. 인공지능으로 유명한 대학들이 많다. 25개 인공지능 전공 대학을 고르라고 하면 10-15개 대학까지는 맞출 것이다. 그러나 나머지 대학은 쉽지 않다.

​그렇다면 미국대학 가운데 인공지능 1위 대학은 어딜까? 여러분이 잘 알다시피 카네기멜론대학이다. 카네기멜론의 컴퓨터과학 대학에서는 인공지능에 대한 많은 연구가 진행중이다. 인공지능 연구는 카네기멜론에서 가장 학문적인 경쟁력 있는 분야 중 하나로 컴퓨터 과학, 통계, 전기 및 컴퓨터 공학, 테퍼 경영대학원의 교수진과 학생들이 참여해 연구하고 있다.

CoBots와 같은 역사적인 업적은 AI의 연구팀으로부터 만들어졌다. CoBots는 ‘지각적, 물리적, 추론적 한계를 인식하고 능동적으로 인간에게 도움을 요청하도록’ 설계된 모바일 지능형 로봇이다. 또한 Tuomas Sandholm 교수와 박사과정 학생 Noam Brown이 개발한 Libratus 프로그램은 ‘불완전하거나 오해 소지가 있는 정보에 직면했을 때 추론할 수 있는 능력’으로 전문 텍사스 홀드 Em 포커 플레이어를 물리쳤다. 당연히, AI를 연구하는 카네기멜론 출신의 많은 학생들이 DARPA 로봇 도전에 참가한다. 학사에서부터 박사학위까지 모든 수준의 연구를 이용할 수 있다.

인공지능으로 두번째 대학은 스탠퍼드대학교다. 스탠퍼드 대는 캘리포니아 실리콘밸리의 심장부에 위치하고 있어 고등교육, 특히 과학 분야에서 세계 최고의 교육 및 연구기관으로 자리매김했다. 우리 시대의 최첨단 연구 분야 중 하나인 인공지능은 1962년부터 스탠퍼드에서 연구되어 왔다. 스탠퍼드 인공지능연구소는 다양한 과정을 제공하고, 행사를 주최하며, 지역학교에 대한 봉사 프로그램을 관리한다. 과정에는 컴퓨터 비전의 최첨단, 불확실성 아래의 의사 결정 및 고급 로보틱 조작과 같은 항목이 포함된다.

전문개발센터를 통해 인공지능대학원 과정에 등록하는 학생들은 AI 연구소가 가장 큰 자원 중 하나라는 것을 알게 될 것이다. 이는 AI 전문화에 관심이 있는 소프트웨어 공학에 이상적이다. 현재 4가지 과정이 있다. 즉 △논리 및 자동화된 추론 △인공지능: 원칙과 기술 △딥러닝을 통한 자연어처리 △기계학습 및 컴퓨터비전 등이다. 3-D Reconstruction(3D 재구성)에서 Recognition(인식)으로 학생들은 최대 3년간 이 인증서를 이수해야 한다. ​이외에 MIT, UC버클리, 하버드, 예일, 코넬, 컬럼비아, UCLA 등이 포함된다. 그렇다면 우리가 모르는 대학 가운데 인공지능이 유명한 대학은 어딜까? 몇개 대학을 꼽아 본다.

우선 메릴랜드대(College Park, MD)를 살펴보자.

메릴랜드대학의 컴퓨터과학과는 1973년 정식으로 설립되었다. 하지만 비공식적으로 이 분야의 연구는 1940년대까지 거슬러 올라간다. 현재 50명 이상의 교직원이 약 250명의 대학원생과 연구를 하고 있다. 학과 커리큘럼은 자동기획, 인지모델링, 진화계산, 게임이론, 기계학습, 자연어 처리, 신경계산 등의 주제를 통해 인공지능에 대한 포괄적인 교육을 제공한다. 이 부서 소속 연구진은 17개 주요 분야에 참여하고 있다. 프로그래밍 언어, 증강 및 가상현실, 인간 컴퓨터 상호작용, 컴퓨터 비전 및 인공지능이 포함된다.

다음으로는 텍사스대학교(오스틴, TX)이다.

미국에서 가장 큰 과학대학 중 하나는 텍사스대의 자연과학대학이다. 1970년 설립된 이 자연과학대학의 학부생과 대학원생은 1만3000명이 넘고 교직원은 700명이다. 이 대학의 11개 학과에는 신경과학, 해양과학, 통합생물학, 컴퓨터과학이 있다.

컴퓨터과학과의 연구 분야로는 생물정보학 및 전산생물학, 컴퓨터건축학, 모델중심 공학, 이론컴퓨터 과학이 있다. 인공지능 연구는 자동 프로그래밍, 자율 에이전트, 다중 에이전트 시스템, 자연언어 처리와 같은 주제를 다룬다. AI연구소는 1983년 설립됐지만 그 이전에 이미 우디 블레소(Woody Bledsoe)와 밥 시몬스(Bob Simons)가 이 분야를 연구하고 있었다. 현재 AI연구소를 관리하고 있는 교수진은 7명, 박사과정 학생 약 50명이 연구에 참여하고 있다.

매사추세츠대학교(MA) 앰허스트 캠퍼스도 유명하다.

1964년 매사추세츠대학에서 컴퓨터과학에 대한 연구는 단 3명의 교수진과 함께 시작되었다. 2012년까지 이 학과는 단과대학이 되었고, 2015년에는 현재의 정보컴퓨터 과학대학이 설립되었다. 현재 51명의 교직원이 있으며, 이들 중 상당수가 전국적으로 인정받고 있는 유능한 교수들이다.

교수진에는 계산기계협회 10명, 전기전자공학연구소 8명, 미국인공지능협회 8명이 포함돼 있다. 이 대학에는 250명 이상의 대학원생과 약 850명의 학부생이 공부하고 있다. 대학에는 9개의 연구센터와 연구소가 있으며, 여러 학과간 협력을 통해 인공지능에 대한 연구를 활발히 수행하고 있다. 사이버보안연구소, 지능형정보검색센터, 첨단컴퓨터 네트워킹연구그룹, 건축언어실현그룹, 지식발견연구소, 지각로봇연구소, 이론컴퓨터과학그룹 등이 이에 속한다.

조지아대(Athens, GA)의 컴퓨터 연구도 활발하다. 조지아대학의 첫번째 인공지능 그룹은 1984년 결성되었다. 컴퓨터과학, 철학, 심리학, 언어학, 공학부 교수진을 포함한 이들 전담 연구진은 프로그램 발전에 큰 진전을 이루었다.

인공지능센터는 1995년 정식으로 설립되었다. 센터는 2006년 프랭클린예술과학대학의 일부가 되었고, 2008년에는 인공지능연구소가 되었다. 현재 이 연구소는 10개국 이상에서 온 75명 이상의 교수진과 연구진이 있다. 두 가지 주요 학술프로그램이 있다: 인지과학 학사과정과 인공지능 과학 석사과정이다. 학사과정에는 네 가지 집중영역이 있다. 인공지능재단, 철학재단, 심리재단, 언어와 문화 등이다.

석사과정에는 유전 알고리즘, 인지모델링, 마이크로일렉트로닉스, 논리프로그래밍, 로봇공학 등 11개 전문 분야가 있다.​

일반적으로 우리는 익숙한 몇몇 대학의 컴퓨터 전공만을 생각한다. 그러나 여기 소개한 대학들 수준도 우리에게 익숙한 대학들 수준에 결코 뒤지지 않는다. 따라서 대학을 선택할 때 이름값, 즉 명성만으로 대학을 고르면 하나를 알고, 둘은 모르는 우를 범하게 된다.