[에듀플러스]“AI 시대 경쟁력은 데이터 리터러시”…한국뉴욕주립대 데이터 사이언스 석사 신설

김철기 응용수학통계학과 대학원 프로그램 디렉터 겸 교수가 에듀플러스와의 인터뷰에서 한국뉴욕주립대 데이터 사이언스 석사과정에 대해 설명하고 있다. (사진=한국뉴욕주립대)

인공지능(AI)과 데이터 기술이 산업 전반의 의사결정 구조를 바꾸면서 관련 교육 경쟁도 한층 치열해지고 있다. 대학마다 관련 학과와 대학원 과정을 잇달아 신설하는 가운데, 한국뉴욕주립대학교(SUNY KOREA)는 8월부터 미국 스토니브룩대(Stony Brook University) 커리큘럼을 기반으로 한 데이터 사이언스 석사과정을 통해 '글로벌 실무형 인재' 양성에 나선다.

최근 에듀플러스와 만난 김철기 데이터 사이언스 프로그램 디렉터 겸 교수는 “데이터 리터러시와 AI 리터러시를 갖춘 인재가 앞으로 산업의 경쟁력을 좌우하게 될 것”이라며 “각 산업 분야에서 AI와 데이터를 어떻게 해석하고 활용할 수 있는지를 이해하는 인재를 키우는 것이 목표”라고 말했다.

-데이터 사이언스 석사과정 개설 배경은.

▲스토니브룩 본교에는 이미 데이터 사이언스 석사(MSDS) 프로그램이 활성화돼 있다. 미국에서는 컴퓨터사이언스(CS)와 함께 데이터 사이언스가 대표적인 실무형 석사과정으로 자리 잡았다. 특히 해외 학생들이 많이 진학해 월스트리트나 산업 현장으로 진출한다. 한국에서도 AI와 데이터 기반 산업 수요가 커지면서 글로벌 수준의 커리큘럼을 제공하자는 취지로 프로그램을 만들게 됐다.

-커리큘럼은 어떻게 구성돼 있나.

▲1.5~2년 과정이다. 1학기는 확률·통계, 선형대수, 미적분 등 수학 기반을 쌓는다. 확률·통계 이론과 데이터 분석 기초를 중심으로 데이터 사이언스 핵심 기반을 구축한다. 2학기는 머신러닝과 분석 모델링으로 넘어가고, 3학기는 대규모 언어 모델(LLM)과 고급 머신러닝, 분석적 AI까지 다룬다. 금융 시계열 분석, 알고리즘 트레이딩, 리스크 모델링 같은 금융 데이터 사이언스 트랙도 포함됐다. 인턴십으로 졸업 요건 일부를 충족할 수도 있다.

-국내 다른 데이터 사이언스 대학원과의 차별점은.

▲미국 대학의 교육 문화와 커리큘럼을 그대로 경험할 수 있다. 대학원 외국인 비율이 20%를 웃도는 캠퍼스에서 전 과정을 영어로 수업한다. 해외 취업 때 적응 속도가 달라질 수밖에 없다. 또한 본교와 유사한 과목 체계를 운영하는 것도 강점이다. 학생들은 해외 대학 환경에 자연스럽게 적응할 수 있고, 글로벌 시장을 염두에 둔 역량을 키울 수 있다. 단순히 학위를 취득하는 데 그치는 것이 아니라 해외 진출까지 고려한 교육 구조다.

-데이터 사이언스 석사과정은 어떤 학생에게 적합할까.

▲데이터 사이언스 기술은 어느 산업에나 적용될 수 있다. 중요한 건 각 산업의 문제를 이해하는 것이다. 금융에서는 알고리즘 트레이딩, 바이오에서는 임상 데이터 분석, 복지 분야에서는 노인 데이터 기반 정책 설계처럼 산업 분야마다 필요한 분석 방식이 다르다. 앞으로는 특정 산업을 이해하면서 AI와 데이터를 활용할 수 있는 사람이 경쟁력을 갖게 될 것이다.

-비전공자도 지원할 수 있나.

▲현재는 컴퓨터과학, 데이터 사이언스, 수학, 통계, 공학 등 관련 전공자를 중심으로 모집하고 있다. 다만 향후 더 유연한 방향이 필요하다고 본다. 실제 산업에서는 모든 사람이 AI 개발자가 되는 것이 아니라 데이터를 이해하고 활용하는 역량이 중요하기 때문이다. 각자의 특성과 잠재력을 보는 방향으로 확대될 필요가 있다.

-AI 시대에 데이터 사이언스 분야에 대한 전망은.

▲분석에는 네 단계가 있다. 데이터를 시각화하는 묘사 분석, 가설을 검증하는 진단 분석, 머신러닝이 가져온 예측 분석, 최적화다. 2012년 제프리 힌튼 교수팀이 이미지 인식 정확도를 10% 이상 끌어올린 것이 예측의 전환점이었다. 지금은 여러 AI를 조합해 서비스를 최적화하는 '에이전트 AI' 단계로 넘어가고 있다. 결국 생성형 AI도 내부에서는 모델을 돌리고, 그 모델을 설계하고 해석하는 건 사람의 몫이다. '데이터 사이언티스트'가 필요한 이유다.

-향후 대학원 교육은 어떤 방향으로 가야 할까.

▲이론과 실무의 융합이 더 중요해질 것이다. 데이터와 AI를 제대로 활용할 줄 아는 실무형 전문가를 키워내는 것이 궁극적인 목표다. 결국 학생들에게 필요한 것은 현장에서 왜 이 기술이 필요한지 이해시키는 교육이다. AI 시대에는 실제 문제 해결 경험과 도메인 이해를 결합하는 방향으로 대학원 교육이 변화해야 한다.

이지희 기자 easy@etnews.com