기계공학부와 데이터 사이언스 협력 기사 박종우 교수

Q1. 데이터 사이언스는 어떤 분야인가요?
컴퓨팅 기술, 센서 기술의 발달로 인해 데이터 수집이 용이해 졌고, 훨씬 많은 양의 데이터가 생기면서 이를 어떻게 활용할지 연구하는 분야입니다. 예로 들어 공장에서 얻어지는 다양하고 많은 양의 데이터를 이용하여 공장의 효율과 품질을 높이고, 장비의 고장을 미리 예측할 수 있습니다.
데이터 사이언스 학문의 역사가 길지 않아 분야를 명확히 나누기 쉽지 않지만, 데이터를 어떻게 수집, 분석하고 연산 처리하는 컴퓨팅 관련 분야와, 기계학습 등을 통해 성능예측 및 최적화와 같은 알고리즘 적인 분야로 크게 나눌 수 있습니다.

Q2. 기계공학부와 데이터 사이언스 대학원의 학/석사 연계 과정이 어떻게 만들어진 것인가요?
세계는 데이터를 중심으로 빠른 발전이 이루어지고 있습니다. 기계공학을 포함한 많은 학문들이 빠른 속도로 발전하고 있습니다. 최근 10년 사이에 컴퓨팅과 AI의 발달로 이를 기계공학에 접목하는 연구가 빠르게 진행되고 있고, 데이터 사이언스의 기술을 적용하니 매우 효과적인 결과를 보인 많은 연구들이 있었습니다. 저희는 이를 대학원때부터 배우는 것이 아닌 학부생에게도 배울 기회를 주는 것이 중요하다고 느꼈습니다.
교내에서도 데이터 사이언스의 중요성을 인식해 컴퓨팅의 기초, 딥 러닝의 기초 등의 여러 학부 수업을 신설하였습니다. 저희는 기계공학부 학생들이 기계 공학에서 필요한 기초와 맥락을 배운 후에 데이터 사이언스를 배우는 것이 중요하다고 느꼈습니다. 역학에서 배운 지식들이 AI 모델을 구성하는 것 과도 관련이 높은 곳으로 밝혀졌으며, 기계 공학을 바탕으로 데이터 사이언스를 배우면 다른 학생들과 차별점을 줄 것입니다.

Q3. 빠르게 발전하는 세상에서 기계공학은 어떻게 발전해 나갈 것이라고 보시나요?
엔지니어의 목표는 인류를 위한 기술을 만드는 것입니다. 엔지니어는 최신 기술과 사용법을 지속적으로 익혀야 하며 기계공학부도 예외가 아닙니다.
오늘날 고령화, 환경, 청정 에너지가 대두되고 있습니다. 공장들은 일 할 사람이 줄어 자동화 로봇이 중요해지고 있고, 환경을 보존하기 위해 효율적인 청정 에너지가 필요해졌습니다. 이러한 목표는 과거부터 이어져 왔고 데이터 사이언스는 목표에 다가가는데 중요한 역할을 하였습니다. 과거에는 성능이 좋지 못한 단순화된 기계 모델에만 의존해야 했지만, 이제는 AI 모델과 함께 수집된 데이터를 활용하여 보다 정확한 모델을 만들어 보다 정확하게 문제를 풀 수 있습니다. 기계 공학자는 데이터 사이언스의 최신 기술을 사용할 줄 알아야 합니다.

Q4. 데이터 사이언스 대학원 졸업자들은 어떠한 역량을 갖춘 학생이었으면 하시나요?
데이터 사이언스만 아는 것은 명확한 한계가 있습니다. 많은 사람들이 딥 러닝과 기계학습 방법으로 충분한 데이터만 있으면 모든 문제를 풀 수 있을 것이라는 착각을 합니다. 현실은 데이터의 양도 많이 부족하고 응용문제에 대한 기본 지식 없이 AI를 학습하면 성능이 떨어지게 됩니다. 예로 들어, 로봇이 복잡한 작업을 제대로 학습하려면 엄청난 양의 데이터가 필요하며, 역학적 모델링에 기반한 방법을 접목시켜야 할 수 있습니다. 저는 졸업생들이 AI를 올바르게 사용하였으면 좋겠습니다. 기계공학 지식을 활용하여 역학적으로 의미 있는 체계적인 모델을 만들고 적절한 데이터를 수집하여 효율적으로 문제를 풀어나갈 역량을 갖추었으면 합니다.


Q5. 학/석사 연계를 하면서 커리큘럼에 어떤 변화가 있나요?
학부 3학년 까지는 기계공학부의 커리큘럼과 똑같고, 4, 5학년 때 데이터 사이언스 대학원의 석사 1, 2학년의 수업을 듣습니다. 기계공학의 지식들과 데이터 사이언스 대학원에서 배운 지식을 활용하여 실제 문제에 적용하여 졸업 논문까지 쓰는 것이 목표입니다.

MEch-SSENGER 구재현, 이상민