MIT challenge : AI학과 (6-4) 졸업요건 분석

MIT AI학과 (Artificial Intelligence and Decision Making, Course 6-4) 졸업요건.

 

 

**여기에서 말하는 학점(Unit)은 일반 대학에서 쓰는 학점 (15시간)보다 훨씬 작은 단위이다.

한 학기에 14시간의 공부를 하는 분량으로, 실제로는 1 Unit에 3시간정도의 강의가 들어간다.

편한 대로 1/5학점이라고 생각해도 좋고, 3시간 강의라고 생각해도 좋다.

1. GIR 요건

- 컴공과 동일하다. 선행과목이 아니라면 생략할 예정.

 

 

http://catalog.mit.edu/degree-charts/computer-science-engineering-course-6-3/

 

General Institute Requirements : 범용성 높은(?) 과목들, 기초과목 + 교양.

1. Science requirements : 물리, 화학, 생물학, 수학 등.

2. HASS (Humanities, Arts, Social science) : 인문, 예술, 사회과학. 

3. REST : 1학년때 듣는, 해당 전공의 전반의 체험판 교육? 이라고 함.

4. Laboratory Requirement : 실습.

5. 운동.

 

 

얘네를 완벽하게 챙길 생각은 없다.

  - 내 목표는 MIT 컴공수준의 컴공지식을 가지는 거지 MIT 컴공 커리큘럼을 그대로 따라가는 게 아니다.

  - 현실적으로 시간이 너무 많이 든다.

  - 실습류는 Open courseware에 공개가 안 되어 있는 경우도 있더라.

 

Science requirements중에서도 이후 전공 과목의 선행과목인 경우 (Calc 1, Calc 2)만 학습하기로 결정.

 

2. Departmental requirements (전공 요건)

졸업요건 자체가 굉장히 독특하게 구성되어있다. 컴공은 그냥 전공선택-전공필수의 구조였던 반면, 

AI학과는 Fundamentals - Centers - Application - Elective로 이루어져있다.

(커뮤니케이션은 생략, SERC 어쩌구는 어차피 포함된 경우가 많음)

 

Fundamentals를 봐도 컴공보다 훨씬 AI쪽으로 치중되어있다는 것을 알 수 있다.

파이썬 - 알고리즘 - 프로그래밍 기초 - 컴공수학 - 선형대수학과 최적화 / 선택과목으로 확률과 통계.

군더더기 컴공은 빠지고 AI지식이 더 들어갔다.

 

 

Centers는 AI학과의 핵심이긴 한데... 굉장히 골때린다.

데이터중심 / 모델중심 / 의사결정중심 / 계산중심 / 인간중심의 다섯 개 영역의 과목을 하나씩 이수해야 한다.

뭔가 각 분야의 맛보기만 하는 느낌...? 의사결정중심에선 알고리즘 디자인은 이수하고 최적화는 이수하지 않는 식으로...

하나만 파도 되지 않을까 싶은 느낌도 있지만, 나보다 똑똑한 사람이 만든 커리큘럼이니까 뭐.

 

Application은 말 그대로 응용. 자연어처리 / CV / 로봇공학 등의 분야에서 적용해보는 단계이다.

 

마지막 Elective 단계에서는,
1. 관련과 (6 or 18) 전공선택 하나를 이수하고 
2. Application을 하나 더 or AI+D과목을 이수하면 된다.

 

AI+D 과목에도 재밌는 것들이 많다. 딥러닝, 데이터베이스 등등...

 

 

 

 

전체적으로 컴공보다 훨씬 실용적인 부분을 강조하는 학과인 것 같다.

나의 MIT challenge의 방향성은 이쪽으로 잡는 게 맞는 것 같다. 다 끝나더라도 못 들은 Center의 강의를 듣는 것도 좋을 것 같고, 내 목표는 내 분야에의 응용이지 컴퓨터공학 자체가 아니니까.

 

그리고 많은 과목이 겹치니 나중에 복수전공(?)을 해도 되고.