Welcome to 11팀
1️⃣ 팀원 소개
| 이름 | 전공 | 관심사 |
|---|---|---|
| 김현수 | 인공지능전공 | 인공지능, 프론트 엔드, 디자인 |
| 이소후 | 인공지능전공 | 웹 개발, 춤 |
| 홍진선 | 인공지능전공 | 인공지능, 빅데이터 |
| 안세희 | 인공지능전공 | 인공지능, 알고리즘, 게임 |
| 오디나버누 | 인공지능전공 | 웹 디자인, 테니스 |
팀 슬로건
“함께 미래를 설계하는 인공지능 학도”
팀 소개
저희는 인공지능이라는 하나의 목표를 가지고 우연히 모이게 된 인공지능 학도들입니다. 유레카 프로젝트 수업을 하면서 단순히 결과를 내는 것에 그치지 않고, 누구도 쉽게 예상하지 못할 만큼 압도적으로 놀라운 성과를 보여주기 위해 저희 팀 모두 최선을 다해 노력할 준비가 되어 있습니다.
2️⃣ 공통된 관심사 : 백엔드, 인공지능
3️⃣ 한학기 동안의 활동 내역
-
기관/부서 인터뷰 ✔️
-
현장 탐방 ✔️
- 멘토링 ✔️
- 내 지도 교수 함게 만나기
- 대학원 방문 및 선배 만나기
- 프로젝트 진행 ✔️
- 과거에 사람들이 상상한 미래
- 그들이 만들어가는 세상
- 우리가 상상한 미래
- 우리가 그리는 미래 그리고 나
- 각오와 소감 나누기 ✔️
4️⃣ 인상 깊은 활동
- 활동명 – 활동에 대한 간단한 설명과 배운 점을 작성
- 예: 멘토링에서 실리콘밸리 현업 경험을 들을 수 있어 진로 방향 설정에 큰 도움이 되었다.
5️⃣ 특별히 알아보고 싶은 것
- 예: 현장실습 제도
- 예: TOPCIT 정기평가
- 예: 졸업 후 진로(대학원/취업)
6️⃣ 활동을 마친 소감
🔗학번 이름
“소감 내용을 여기에 작성합니다.”
🔗학번 이름
“소감 내용을 여기에 작성합니다.”
🔗학번 이름
“소감 내용을 여기에 작성합니다.”
🔗학번 이름
“소감 내용을 여기에 작성합니다.”
🔗학번 이름
“소감 내용을 여기에 작성합니다.”
Markdown을 사용하여 내용꾸미기를 익히세요.
Markdown은 작문을 스타일링하기위한 가볍고 사용하기 쉬운 구문입니다. 여기에는 다음을위한 규칙이 포함됩니다.
과거에 사람들이 상상한 미래
삼섬페이, 에플페이, 모바일 교통카드, 삼성 서클 투 서치, 네이버 렌즈, 테블릿의 상용화, 원격 수업, 전기자동차, 자동차 내부 터치스크린 디스플레이, 스마트 미러, 사이버 가수 -> 버츄얼, 자율 주 행, 터치 테이블 상용화, 무빙워크, 주택 태양열, 로봇 청소기, AI 비서, VR
-느낀점
처음엔 과거 사람들이 상상했던 것들이 지금 현실에서 이루어졌다는 사실이 단순히 신기하게만 느껴졌습니다. 하지만 곰곰이 생각해 보면, 그 상상들은 단순한 공상이 아니라 미래를 열어가는 중요한 출발점이었습니다. 실제로 한때 전혀 평범하지 않았던 기술들이 오늘날 우리는 과학의 발전 속에서 너무도 당연하게 접하고 있습니다.
예를 들어, 2011년 Microsoft 비전 영상 속 클라우드 협업, 태블릿, 실시간 번역은 이미 일상이 되었고, 가상현실이나 로봇도 VR 기기나 청소 로봇을 통해 쉽게 경험할 수 있습니다. 또 로봇청소기, 원격 수업, 자율주행차처럼 과거의 상상이던 것들도 지금은 현실이 되었습니다. 물론 하늘을 나는 자동차 같은 기술은 아직 멀게 느껴지지만, 가능성은 분명히 남아 있습니다.
이처럼 불가능해 보였던 상상이 현실이 된 과정을 떠올리면, 지금 우리가 품고 있는 미래 역시 언젠가 현실로 다가올 수 있다는 생각이 듭니다. 기술은 단순한 편의성을 넘어 사회 전반에 변화를 일으키고 새로운 과제를 던지기도 하기에, 우리는 단순히 지켜보는 데 그치지 않고 미래를 어떻게 맞이할지 끊임없이 탐구하고 상상하는 태도가 필요하다고 느꼈습니다.
TEDx – MIT Sixth Sense Project 를 듣고,
◆MIT Sixth Sense 연구팀이 만들고자 했던 것은?
• Why?
MIT Sixth Sense 연구팀은 사람들이 현실 세계와 디지털 세계를 동시에 살아가지만, 이 두 세계가 분리되어 있어 불편하다고 보았습니다. 컴퓨터를 사용하려면 반드시 키보드, 마우스, 모니터 같은 도구를 거쳐야 했고, 이는 일상적인 상황에서 직관적이지 않았습니다. 그래서 연구팀은 현실 세계 자체가 곧 디지털 정보와 연결되는 인터페이스가 된다면, 사람들이 훨씬 더 자연스럽게 정보를 접근하고 활용할 수 있을 것이라 생각하였고, 물리적 세계와 디지털 정보 세계 사이의 격차를 해소하고, 보다 자연스럽고 직관적인 방식으로 정보에 접근할 수 있도록 하고자 했습니다.
• What?
연구팀이 만들고자 했던 것은 ‘Sixth Sense(여섯 번째 감각)’라 불리는 착용형 인터페이스였습니다. 이는 인간의 다섯 감각을 넘어, 현실과 디지털 정보를 매끄럽게 융합해주는 새로운 감각을 의미합니다. 사용자는 손동작이나 주변 사물을 통해 디지털 정보를 불러오고, 현실 표면 위에 정보를 바로 투사해 활용할 수 있었습니다.
• How?
이를 구현하기 위해 연구팀은 소형 프로젝터, 카메라, 스마트폰을 조합한 장치를 고안했습니다. 프로젝터는 책, 벽, 손바닥과 같은 현실 표면에 디지털 정보를 직접 비추었고, 카메라는 손동작과 사물을 인식해 사용자의 의도를 파악했습니다. 스마트폰은 전체 시스템의 연산과 인터넷 연결을 담당했습니다. 또한 컴퓨터 비전과 제스처 인식 기술을 적용해 손가락 네 개로 사진을 찍거나, 책 표지를 인식해 온라인 리뷰를 보여주고, 손바닥 위에 시계를 투사하는 등 직관적인 상호작용을 가능하게 했습니다.
◆ As-Is vs To-Be는 어떻게?
기존 컴퓨터의 입력, 출력 장치를 어떠한 방식으로 변경하였나요??
• 키보드는?
키보드를 물리적 장치에서 가상, 투사형 입력 인터페이스로 바꿨다.
기존 키보드에서, 손가락 움직임과 프로젝션 기술을 이용해 어디서든 키보드를 만들어내는 방식으로 변경하려 했다.
즉, 카메라가 손가락 끝의 움직임을 인식하고 프로젝터가 책상이나 벽, 손바닥 같은 표면 위에 가상 키보드를 투사하면 사용자가 그것을 실제 키보드처럼 두드려 입력할 수 있도록 하였다.
• 마우스는?
원래 마우스는 직접 물리적인 압력을 가해 작동 했다면, 이는 카메라를 이용하여, 손가락에 특정 색의 골무 같은 것을 착용하여 직접 손동작, 제스쳐를 이용하여 컴퓨터가 이를 인식하여 실시간으로 화면에 반영함.
• 모니터는?
원래 모니터는 물리적 도구를 통해 고정된 곳에서 화면을 띄우는 물리적 디스플레이를 필요로 했지만,여기서는 프로젝터를 이용하여 어디에서든 디스플레이 화면을 띄우는 것을 가능케 하였음.
◆ MIT Sixth Sense Project 팀이 만든 내용이 현재에는 어떠한 장비로, 어떻게 구현이 되었을까?
• 현재의 기술과 약 15년 전에 MIT에서 진행한 기술의 발전 모습은?
MIT의 SixthSense 프로젝트(2009)는 목걸이형 장치에 카메라 + 프로젝터를 달아 손가락 제스처나 종이·벽 같은 표면을 인터페이스로 사용하는 실험이었습니다. 당시에는 컬러 마커를 붙여 손동작을 추적하고, 프로젝터로 화면을 비추는 방식이라 휴대성·밝기·정확도에 한계가 있었습니다.
현재는 이 아이디어가 Apple Vision Pro, Meta Quest 3, Microsoft HoloLens 같은 혼합현실(MR) 헤드셋으로 발전했습니다. 이 장비들은 여러 대의 카메라, LiDAR, 손·눈 추적 기술을 활용해 현실 공간을 3D로 인식하고, 화면을 직접 눈앞에 겹쳐 보여주기 때문에 훨씬 몰입감 있고 정밀한 조작이 가능합니다.
또한 스마트폰 AR 기술(예: iPhone의 ARKit, Android의 ARCore)은 휴대폰 카메라와 센서를 이용해 테이블이나 벽 같은 평면을 인식하고 가상 물체를 배치할 수 있게 해줍니다. 이는 과거 SixthSense가 원하던 “현실 위에 디지털 정보 결합”을 대중이 손쉽게 경험할 수 있도록 만든 진화형 버전이라고 볼 수 있습니다.
결론적으로, SixthSense가 보여준 비전은 지금 프로젝터 기반 실험 → 헤드셋 기반 공간 컴퓨팅 + 스마트폰 AR이라는 형태로 이어지고 있습니다. 즉, 아이디어는 같지만 기술적 제약을 극복한 덕분에 산업 교육, 디자인, 원격 협업, 심지어 일반 소비자 경험까지 폭넓게 활용되는 수준으로 성숙했습니다.
<img width="1536" height="1024" alt="ChatGPT Image 2025년 10월 10일 오후 04_01_23" src="https://github.com/user-attachments/assets/23905b38-a288-469d-903a-27e53688cc23" />
대학원 선배 만나기
AI를 하고 싶은데 1학년 때는 무엇을 먼저 준비해야 하는지 궁금합니다.
1학년 때는 너무 어려운 내용을 바로 공부하기보다, 기본기를 차근차근 쌓는 것이 가장 좋습니다. 특히 파이썬은 AI 분야에서 거의 공용 언어처럼 쓰이고 있기 때문에, 파이썬 문법을 정확히 이해하고 자유롭게 다룰 수 있을 정도로 연습하시는 것을 추천드립니다. 단순하게 문법만 보는 것이 아니라, 직접 간단한 프로그램을 만들어보면서 배운 내용을 실제로 적용하는 경험이 필요합니다. 시간표 자동 생성기, 간단한 계산기, 파일 자동 정리 프로그램처럼 작지만 기능이 있는 프로그램을 만들어보면 “코드가 실제로 어떻게 동작하는지” 감이 오기 때문에 전공 수업을 듣는 데에도 큰 도움이 됩니다. 또한 1학년 때는 실력을 무리하게 앞서 나가려고 하기보다는 기초 수학, 기초 프로그래밍, 기본적인 컴퓨터 사용 능력 등을 탄탄히 만들어두면 나중에 AI 심화 수업이 훨씬 수월해집니다.
AI 모델을 빨리 만들어보고 싶은데 지금 시작해도 괜찮은가요?
당장 시작해도 괜찮지만, 모델부터 직접 만들려고 하면 기초가 부족해서 이해가 어려울 수 있습니다. 요즘은 인터넷에 좋은 예제가 많아서 따라하기만 하면 모델을 돌리는 것은 금방 할 수 있지만, 이렇게 하면 “왜 이런 결과가 나오는지”, “파라미터가 무엇인지”, “모델 구조가 왜 이렇게 되어 있는지” 같은 중요한 부분을 놓치게 됩니다. 그래서 데이터 전처리, CSV 파일 다루기, 파이썬에서 데이터 구조 다루기, 간단한 통계 개념 등을 먼저 익히고 모델을 시작하는 것이 더 효율적입니다. 이렇게 기초를 충분히 닦아두면 이후에 신경망, 딥러닝 같은 내용을 공부할 때 훨씬 이해가 빠릅니다. 2학년 중반쯤부터 모델 공부를 시작해도 절대 늦지 않으며 오히려 더 단단한 기반 위에서 빠르게 성장할 수 있습니다.
대학원에 가면 연구만 계속해야 하는지 궁금합니다.
대학원은 연구가 중심이 되는 것은 맞습니다. 하지만 연구만 하면서 하루 종일 같은 일만 반복하는 식의 생활은 아닙니다. 연구실마다 운영 방식이 다르고, 어떤 연구실은 자유로운 분위기에서 자율적으로 연구하는 곳도 많습니다. 스스로 시간을 조절하면서 개인 프로젝트, 대회 준비, 개발 공부 등을 병행하는 경우도 흔합니다. 연구라는 것이 항상 답이 보이는 작업이 아니다 보니 막히는 시간이 생기는데, 이런 시기에는 다른 활동을 통해 시각을 넓히는 것이 오히려 도움이 되기도 합니다. 또한 연구 주제가 재미있게 느껴지면 스스로 더 깊이 파고들고 싶어지는 순간도 많습니다. 다만 본인과 연구 주제가 잘 맞지 않는 경우에는 힘들 수 있기 때문에 대학원에 진학하기 전 여러 경험을 통해 자신에게 맞는 방향을 찾는 과정이 중요합니다.
연구 주제는 교수님이 모두 정해주는지 궁금합니다.
교수님이 제안하는 주제를 기본으로 시작하는 경우가 많지만, 학생 의견도 상당히 중요하게 반영됩니다. 대학원은 학부와 달리 학생이 주도적으로 공부하고 탐구하는 것을 매우 중요하게 생각합니다. 그래서 관심 분야가 명확하다면 교수님께 적극적으로 이야기하면 충분히 방향을 조정할 수 있습니다. 예를 들어 기존 연구의 응용 분야를 바꾼다든지, 데이터셋을 다르게 설정한다든지, 연구 방법을 다른 방식으로 시도하는 것처럼 여러 가지 조절이 가능합니다. 1학년 때는 아직 관심 분야를 확정하기 어렵지만, 여러 과목을 듣고 다양한 프로젝트를 해보면서 “이런 분야가 더 재미있는 것 같다” 같은 감이 생기기 시작합니다. 이런 경험이 쌓이면 연구 주제를 정할 때 많은 도움이 됩니다.
1학년 때부터 학부연구생을 해도 괜찮은가요?
가능하긴 하지만 추천하지는 않습니다. 학부연구생이 하는 일은 연구와 직접적으로 연결된 작업이 많기 때문에, 전공 기초가 부족하면 연구를 이해하기도 어렵고, 연구실에서 하는 일의 의미를 제대로 느끼기 어려울 수 있습니다. 그래서 대부분은 2학년 후반이나 3학년 정도부터 학부연구생을 시작하는 것이 가장 좋습니다. 이 시기에는 어느 정도 전공 지식이 쌓여 있기 때문에 연구 참여가 훨씬 의미 있게 다가오고, 교수님과 소통하는 것도 수월합니다. 1학년 때는 다양한 수업과 활동을 경험하면서 본인이 어떤 분야를 좋아하는지 탐색하는 것이 더 중요합니다. 백엔드, 프론트엔드, 데이터 분석, 간단한 AI 실습 같은 걸 다양하게 접해보면 이후 학부연구생을 할 때 훨씬 방향을 명확히 잡을 수 있습니다.
나의 지도교수님 함께 만나기
선형대수나 응통 같은 학문을 어떻게 실전에 응용하는지?→ 데이터를 나타낼 때, 제가 하는 추천시스템 같은 경우는 사용자와 아이템을 나눠 놓고, 유저들의 행, 아이템들의 열로 나타내서 각각의 평점으로 사용자의 만족도를 분석합니다. 유저와 아이템을 차원만큼의 벡터로 나타내고, 차원 축소 → 데이터를 효율적으로 관리하기 위해 특이값 분해, 고윳값, 고유벡터 등등 선형대수 개념을 적극 활용합니다.
딥러닝 모델이 내놓는 값이 결정적인 수가 아니라 다 예측 확률이기에 어떤 모델도 100% 맞는 결과를 내놓지 않습니다. 결국 모델이 내놓는 값은 확률값이기에 이를 잘 조절하기 위해 확률도 좋은 학문입니다.
인공지능학부에서 대학원까지 가면 인공지능 개발이 중점인지, 빅데이터 분석, 데이터 사이언스 같은 쪽으로도 가능성이 열려 있는지?→ 충분히 가능합니다. 인공지능 개발이라는 게 모델 자체를 디자인하고 설계하는 것도 있지만, 넣고자 하는 데이터를 잘 알아들을 수 있도록 가공하고 전처리하는 분야의 연구도 활발하게 되고 있기 때문에, 모델이 내놓은 데이터 결과들이 있으면 어떻게 해석하고 분석할지는 경영, 문과 쪽에 조금 더 연관이 있다고 생각합니다. 그러나 그쪽으로도 충분히 가능합니다. 이것은 지도교수님의 연구 방향이 중요합니다! 지도교수님도 본인이 했던 연구를 추천할 수밖에 없기 때문에, 중요한 전제조건은 데이터 사이언스, 분석을 이미 연구로 했던 교수님 밑으로 들어가야 합니다.
알파 프로젝트나 사이드 프로젝트가 인공지능학과 진로에 도움이 되는지?→ 사실 인공지능과 소웨의 경계가 거의 없습니다. 다같은 소융 소속 교수님끼리도 차이가 없습니다. 좀 더 컴공 과목들이 있는 게 소웨고, 인공지능은 좀 더 인공지능이 특화된… 전필의 방향 차이? 두 학과의 코어 모두 들어보세요. 운영체제, 자료구조, 알고리즘, 데이터베이스, 네트워크, 컴퓨터구조 등의 코어 과목이 중요합니다. 듣기를 추천합니다! 인공지능 모델만 알 때보다 이를 뒷받침하고 있는 기반 모델이 인공지능을 어떻게 서포트하는지 알고 모르고가 깊이가 달라집니다.
학부 졸업 후 취업하는 것에 비해 덜 중요하긴 합니다. 대학원을 갈 생각이면 그렇게까지는 필수가 아닙니다. 대학원은 연구를 하다 보니 사이드 프로젝트 같은 게 도움은 되지만 대학원에 들어가는 데에 결정적인 요인은 아니기에 논문이 더 중요합니다. 대학원 준비 중이면 학부연구생을 일찍 들어가는 게 더 좋습니다. 근데 1학년부터 대학원이나 취업을 생각하기엔 너무 이릅니다. 대학원 갈 생각으로 프로젝트 안 함 혹은 취업할 생각으로 학부연구생은 안 함 같은 생각은 매우 위험합니다. 아직 제대로 된 전공 과목을 듣지 않았기에 앞으로의 진로를 섣부르게 결정짓는 것은 위험합니다. 두 가지의 문을 열어 놓고 2학년 후반부터 노선을 정해서 가는 걸 추천합니다. 사이드 프로젝트, 학부연구생 둘 다 경험하는 게 좋습니다. 백엔드, 프론트엔드 경험도 더욱 중요해지고 있습니다. 어지간한 코딩은 AI가 더 잘 짜주기에 사람이 해야 할 일은 어떤 프로젝트의 크게 돌아가는 그림을 기획/설계하고, 이것을 직접적으로 팀원과 돌리는 능력이 결정적인 사항입니다. → 사이드 프로젝트가 중요합니다.
이제는 큰 사이클, 프로그램을 개발하고 배포하는 이 과정을 제대로 아는 게 중요합니다. 예전에는 4학년이 졸업프로젝트로 할 만한 걸 AI를 통해 할 수 있게 되었기 때문에, 예로 일상 속 불편함을 해결하기 위해 설계하고 솔루션을 내놓고 직접 배포했더니 사용자 만족도가 어느 정도였더라… 이런 큰 틀을 알고 있는 게 중요한 능력이 될 것입니다.
우리 학과에서 교환학생 가는 학생이 많나?→ 있기는 합니다. 하지만 그 외에 그레이트 프로그램(해외 대학 교수님과 연구)은 방학 동안 하는 거라 휴학할 필요도 없고, 대학원 생각 중인 학생에게 추천합니다. 또한 PBL, 미국 실리콘밸리에서 현업을 하고 있는 사람들에게 실무적인 조언을 받을 수 있는 프로그램이 있습니다. 과에서 많은 지원이 있는 프로그램이라 많이 추천하고, 교환학생은 학교 자체에 많은 지원이 있기 때문에… 그러나 정확히 어떤 대학 교환학생 프로그램이 있는지는 모릅니다. 미국 쪽이라면 그레이트나 PBL이 좋습니다.
4학년이 되면 좋은 취직을 위해 대학원을 가고 싶어하는 학생이 많을 텐데 조건이 있나?→ 저희 대학원이 학점 조건이 있는지까지는 모르겠지만, 어느 정도 학점 이상이면 대학원 장학금을 받을 수 있습니다. 대학원 입학 여부가 학점에 따라 정해지는지는 정확하지 않지만, 장학금 같은 경우는 학점에 따라 비율·여부가 달라집니다. 또한 우리 학교 대학원만을 생각할 필요는 없습니다. 다른 대학도 생각할 수 있는데 이때 학점이 높으면 선택의 폭이 넓어집니다.
인공지능 관련이면 대학원생을 뽑을 때 소프트웨어적 역량을 보는가?→ 평균 학점이 좀 낮더라도 전공 학점이 높다면 좋게 볼 확률이 높습니다. 전공 지식 베이스, 기초가 얼마나 잘 형성되어 있는지를 우선 볼 것 같고, 태도적인 측면에서는 대학원 연구는 답을 찾아가는 게 아니기 때문에 끈질기게 어떤 주제를 계속 포기하지 않고 붙잡고 있을 수 있는지를 중요하게 봅니다. 답이 보이지 않는 문제가 왔을 때 포기하지 않고 오히려 이것을 즐기는 스타일이라면 잘 맞을 것입니다.
4학년까지 조용히 있다가 갑자기 대학원을 간다고 연락이 올 경우 교수님은 그 학생의 학점 외에는 알 수 있는 것이 없습니다. 그런데도 학점이 낮을 경우 어쩔 수 없이 교수님은 이 학생을 학점으로만 판단하게 됩니다. 학생 입장에서는 억울할 수 있습니다. 그래서 이러한 불리함을 낮추기 위해 학부연구생 제도가 있습니다. 맞는 교수님 밑에서 일하다 보면 기특하게 생각합니다. 학부연구생을 했다면 대학원에 들어가는 건 순조로울 것입니다.졸업 직전 학기여도 괜찮습니다.
<img width="418" height="400" alt="화면 캡처 2025-11-26 031901" src="https://github.com/user-attachments/assets/7468ad4b-a493-4f77-b6a2-735cec8507d7" />
자세한 내용은 GitHub Flavored Markdown.
Support or Contact
readme 파일 생성에 추가적인 도움이 필요하면 도움말 이나 contact support 을 이용하세요.