|
|
|
|
|
 |
제가 인공지능 학과에 진학하고자 결심한 이유는, 단순히 기술을 배우기 위한 목적을 넘어 현실의 문제를 분석하고 해결하는 과정에서 AI가 가장 강력한 도구가 될 수 있다는 확신을 얻었기 때문입니다.
특히 제가 경험한 여러 프로젝트와 사회적 현장에서 마주한 문제들은 기존 방식만으로 해결하기 어려웠고, 데이터 기반의 접근과 알고리즘적 사고가 필요하다는 사실을 절실히 깨닫게 했습니다.
저는 그동안 축적해온 분석 경험·문제 해결 능력·AI 기초학습 역량을 중앙대학교에서 더욱 심화시키며, AI가 사람의 삶을 실제로 개선하는 방향으로 활용되도록 기여하고 싶습니다.
제가 수행한 학업활동 중 가장 의미 있었던 경험은 AI 기반 분류 모델 개발 프로젝트, 데이터 기반 문제 해결 프로젝트, 그리고 AI 윤리 및 편향 성 분석연구입니다.
저는 이러한 학업 경험을 중앙대학교인공지능 학과에서 더욱 심화시키고, AI 기술을 더 넓은 영역의 문제 해결로 확장하는 학습을 이어가고자 합니다.
저는 중앙대학교 인공지능학과에서 의 학업을 통해 현실 문제를 데이터 기반으로 해석하고, 인공지능 기술을 통해 해결의 실마리를 제시하는 문제 해결형 AI 전문가로 성장하고자 합니다.
|
|
|
 |
두 번째 준비과정은 직접적인 AI 활용 프로젝트 경험 확장이었습니다.
저는 그동안 축적해온 분석 경험·문제 해결 능력·AI 기초학습 역량을 중앙대학교에서 더욱 심화시키며, AI가 사람의 삶을 실제로 개선하는 방향으로 활용되도록 기여하고 싶습니다.
제가 수행한 학업활동 중 가장 의미 있었던 경험은 AI 기반 분류 모델 개발 프로젝트, 데이터 기반 문제 해결 프로젝트, 그리고 AI 윤리 및 편향 성 분석연구입니다.
이 세 가지는 단순한 과제 수행을 넘어, 제가 AI 전공자로 성장하기 위해 갖춰야 할 사고방식·기술적 감각·윤리적 판단력을 형성하는 데 중요한 역할을 했습니다.
그러나 이 과정에서 데이터 분석의 기반이 되는 EDA(Exploratory DataA nalysis)의 중요성을 깊이 깨닫게 되었고, 시각화도구를 활용 해변 수간 관계를 분석하는 과정에서 데이터 속에 숨겨진 패턴을 발견하는 즐거움을 느꼈습니다.
세 번째 활동은 AI 윤리분석 리서치입니다.
이 세 가지 활동은 제가 AI를 단순한 기술로 소비하는 것이 아니라, 문제 분석 →데이터 설계 →모델링→결과 해석→윤리적 검토라는 전체 흐름 속에서 바라보는 연구자적 시각을 키워주었습니다.
저는 중앙대학교 인공지능학과에서 의 학업을 통해 현실 문제를 데이터 기반으로 해석하고, 인공지능 기술을 통해 해결의 실마리를 제시하는 문제 해결형 AI 전문가로 성장하고자 합니다.
실제로 제가 진행했던 상권 기반 수요예측 프로젝트에서 LSTM 모델과 XGBoost 모델의 성능 차이를 분석할 때, 단순히 "시간 흐름을 고려하는 LSTM이 시 계열에 유리하기 때 문"이라는 표면적인 설명 이상을 해내지 못했습니다.
또한 저는 이론학습을 단순한 암기가 아니라 실제 문제 해결의 기반으로 삼기 위해 실습·프로젝트 기반의 학습전략을 병행할 계획입니다.
실제로 제가 주도했던 '고령층 건강위험 예측 모델 개발 스터디'에서 데이터 전처리의 미세한 차이가 결과를 크게 바꾸는 경험을 한 적이 있습니다.
저는 문제를 끝까지 집요하게 파고드는 분석 형 성향을 가지고 있기 때문에 연구실 환경에서 교수님과 연구원들과 함께 실제 문제를 해결하는 경험이 저의 강점을 극대화하는 데 도움이 될 것이라고 생각합니다.
이전에 작은 규모의 경진대회에서 featu reengineering을 통해 성능을 크게 개선한 경험이 있었는데, 이러한 경험을 더 확장해 실제 경쟁 환경에서 제 실력을 검증하고 싶습니다. |
 |
데이터, 문제, 모델, ai, 경험, 분석, 프로젝트, 단순하다, 해결, 기반, 기술, 지능, 인공, 성능, 학습, 학업, 과정, 가장, 통해, 이다 |
|
|
|
|
|
|
 |
|
|
|
|
|
|
|
|
|
|
|
| |
|
|
|
2025.12.26
5페이지
