ML PhD - 학교 결정

최종 합격: UT Austin CS, Georgia Tech ML (home department: aerospace engineering), CMU ECE (최종 결정)

 

인터뷰: CMU ECE (2번), UT Austin CS, Caltech CMS, Georgia Tech ML (3번), CMU RI, UCLA CS

 

불합: Caltech CMS, CMU RI, CMU CS, CMU MLD, UCLA CS, MIT EECS, Stanford CS, Berkeley EECS, UIUC CS, Columbia CS, Princeton CS, UT Austin IROM-stats, Georgia Tech IC, Maryland CS, MILA

 

나의 경우는 연구 핏이 가장 잘 맞는 학교는 UT Austin이었다. 여기로 진학한다면 내가 하는 연구를 그대로 할 수 있었다. Georgia Tech도 나랑 비슷한 주제를 하는 학생이 두 명 있었고, 무엇보다 박사 과정 내내 TA를 한 번도 하지 않아도 된다는 장점이 있었다. 반면 CMU에 가면 연구 주제를 상당 부분 바꿔야 할 것 같다는 부담이 있었고, 나는 지금 주제가 재밌고 성과도 내고 있었기 때문에 고민이었다.

 

그런데 박사는 5년에서 6년정도는 걸리고, AI는 또 빠르게 변화하는 분야이기 때문에 내가 박사 3년차가 되었을 때 이 필드가 어떤 모습일지는 아무도 예측할 수 없을 것이다. 이런 점을 고려할 때 학부 때 하던 주제를 바꾸지 않아도 된다는 이유로 학교를 고른다는 게 조금 좁은 시각이라고 생각했다. 연구자들의 이력을 살펴봐도 학부 때 하던 주제를 그대로 하고 있는 사람은 거의 보지 못했던 것 같다. 또한 피츠버그는 대학원생이 살기에 정말 좋은 도시라고 느꼈다. Stipend는 다른 대학과 비슷하거나 조금 더 주지만 물가는 매우 싸기 때문이다. CS/AI에서 CMU가 가지는 명성을 생각할 때, 5년, 10년, 혹은 그 뒤를 고려해도 후회하지 않을 선택이라고 생각해서 CMU ECE로 진학하기로 결정했다.

 

박사를 한다면 결정한 대학원에서 5~6년을 살아야 하고, 죽을 때까지 그 학교의 이름이 따라다니기 때문에 정말 어려운 결정인 것 같다. 특히나 막상 결정한 프로그램에서 행복하지 못하다면 그 때의 결정을 계속 후회하게 될 거라고 생각했다. 미래를 알 수 없기에 최고의 선택을 할 수는 없지만, 가능한 모든 수단을 사용해서 최대한 많은 사람들의 조언을 구해보고, 신중하게 결정하는 편이 나중에 후회가 없을 것이라고 생각한다. 그래도 waitlist에서 기다리고 있는 다른 학생들을 생각한다면 이왕이면 데드라인 (4/15 즈음이었다) 3일 전 정도까지는 결정하는 관용을 베푸는 것도 좋다고 생각한다.