어느 학교를 가든 요즘 학부생들 인공지능 한다고 하면

어디서 이미 구현된 시계열이나 강화학습 모델들 들고와서 프로젝트 하고 결과물 이력서에 써넣는 수준이겠지.

설명도 요즘 시중에 많이 판매되는 소셜책스러운 "x분 x러닝", "한 권으로 끝내는 머신러닝" 이런 책들에 나온 수준으로 읽고


"에이, 인공지능 별 거 아니네..."


이런 생각들 많이 할거야.

근데 왠걸? 미국 탑 5 스쿨에서는


계산이론(Automata), 알고리즘 분석, OS, 컴구조

확률론(통계학과 대학원에서 배우는 그 확률론 맞다. Measure theory 쓰는 거)


이거 정규 석사과목 듣기 전에 선수과목으로 깔고 오라고 그럼.

그럼 한 번 따져볼까?


알고리즘, 오토마타 하려면 이산수학, 자료구조는 기본적으로 빵빵해야 하고

확률론 배우려면 

수학과 가서 해석학, 선형대수, 위상수학, 실해석학, 

통계학과 가서 수리통계학은 기본으로 깔아야지 이해가 감.


여기서 학부 때 문과에서 교차지원하거나, 대학교와서 수학 놓은 놈들 1 차적으로 걸러지는 거임.

저거 다 배우려면 저것만 해도 1 년 반은 넘게 걸린다.

어떻게 아냐고? 내가 저거 본문 내용만 보면서 주화입마로 빠르게 훑는 데 걸린 시간이 1 년이거든 ㅋㅋㅋ


거기다가 본격적으로 과정 들어가면 허구한날 쓰는게 Functional Analysis, Numerical Methods, Differential Equation 들임.

그것도 텍스트에 그냥 선형대수만 쓰면 되는 수준으로 설명 전개되다가 갑자기 저런 내용들이 갑툭튀해버리는 경우가 부지기수라

그냥 애초부터 Top Down 어프로치가 안되는 과목이라고 보면 된다.

"찾아보면 되지." 라는 논리가 전혀 안통함. ㅇㅇ


저정도 내용이 석사하면서 커버해야 하는 내용들임.

근데 박사라면? 상상이 안간다...