데이터 사이언스 석사 과정 입학조건, 수업료 및 장학금 옵션

올 8월 30일부터 개강하는 Department of AI BigData 소속의 프로그램은 아래와 같다

MS in Data Science (상세설명) – 공식 석사 과정 – 향후 MSDS로 표기
MS in Data Analytics (상세설명) – 예비 석사 과정 – 향후 MSDA로 표기
MBA in AI BigData (상세설명) – 비전공자 석사 과정 – 향후 MBA로 표기
DBA in AI BigData (상세설명) – 비전공자 박사 과정 – 향후 DBA로 표기

입학조건

가장 많이 물어보는 내용이 입학 조건과 가격인데, 입학 조건은 아래와 같다

MSDS – Boot Camp 수준 시험 합격자 or 관련 전공 (링크 글의 주의사항 섹션 참조) 석사 이상 학위자
MSDA – 2022년 2월까지 학부 졸업 예정자, 전공 무관, 시험 조건 없음 – 상세정보 링크 참조
MBA in AI/BigData – 학부 졸업 (예정)자
DBA in AI/BigData – 석사 학위 졸업 (예정)자

MSDA의 경우, 시험 조건이 없기는 하지만, 다년간 파비클래스 운영 경험상, MSDA 들어오려면 수학 & 통계학 for 데이터 사이언스 에서 가르쳤던 학부 저학년 수준의 수학 & 통계학은 따라올 수 있어야 할 것이다. 그걸 한 두 번이 아니라, 수 십 번 다시 들어야 하는 수준이면 MBA를 가거나, 학부부터 다시 하셔야 한다.

파비클래스의 데이터 사이언스 메인 강좌 듣고 부담없이 이해했었다면 MSDA 수준을 넘어섰다고 볼 수 있고, 그 수업이 어려워서 복습하기에 시간이 걸리면 MSDA가 적절한 선택이라고 보인다.

괜히 욕심을 내서 본인 스스로의 능력을 Over-estimate하거나, 반대로 너무 Under-estimate하실 필요는 없다. 파비클래스에 올라온 2개의 수학&통계학 수업이 각각의 과정에 충분히 괜찮은 잣대가 될 것이다.

설령 본인이 잘못 선택했다고해도 면접 때 질문 한 두 개로 해결될 듯.

그렇게 시작했는데, 도저히 못 따라가겠으면 너무 늦지 않게 MSDS -> MSDA -> MBA 로 학위 과정을 바꾸시면 된다.

MBA in AI BigData가 제일 쉬운거 아닌가요? 가기 싫은데요?

좀 재수없다고 생각하실지 모르지만, 그동안 데이터 사이언스 메인 강좌 강의했던 경험을 놓고 봤을 때, 우리나라에서 “데이터”라는 타이틀이 들어가는 인력의 9할에게 MBA in AI BigData가 적절한 학위과정이 될 것이다.

심지어 국내 직장 경력이 10년이 훌쩍 넘는 가까운 친구 하나는 MBA in AI BigData만 졸업해도 장학금 우대 해 줘야될 거라고, 우리나라 인력 수준을 봤을 때 MBA in AI BigData 만 졸업해도 어지간히 좋은 회사의 탑 클래스 인력 수준이 될 거라고 생각하더라.

이 정도 지식만해도 실제 일터에서 쓰는 사수를 만날 수 있는 국내 직장은, 단언컨대 전체의 1% 미만일 것이다.

그리고, 수학을 제대로 공부 안 하고 직장 경력이 훌쩍 쌓인 상태에서 다시 MSDA (심지어 MSDS) 하는건 무모한 도전이다.

MSDS vs. MSDA

다른 글에서 누차 밝힌대로, MSDA 간다고 기분 나빠할 일이 아닌게, 우리나라 교육이 엉망이라 어지간히 열심히 공부하신 분이 아닌 다음에야 MSDA 안 하고는 MSDS에서 살아남기 힘들 것이다. 즉, 학부 제대로 안 했을테니 석사에서 살아남기 힘들 것이다.

우리가 MSDS를 한국 최고의 프로그램을 넘어서 전세계 최상위 클래스 프로그램으로 만들려고 하는 탓이니까, MSDS 못 들어갔다고 좌절하고 그러진 말았으면 좋겠다. 당신을 가르친 한국의 교수진들 탓이니까. (물론 게을렀던 당신 탓도 없진 않다.)

(링크 – 이분은 미국에서 CS박사 하고 Data Scientist로 Silicon Valley에서 일하시는 분이다
부담스러운 칭찬이지만, 자뻑 삭제하고 봤을 때도, 우리 MSDS만한 프로그램 찾기 쉽지 않을 것이다.)

수업료? 가격?

그 다음 많이 물어보는 내용이 가격인데, 해외 대학이다보니 가격 결정에 줄다리기가 길었다.

아래는 MS in Data Science, MS in Data Analytics, MBA in AI BigData 과정에 해당된다.

입학금 및 등록금

입시 전형료: 20만원 (CHF 150 + 수수료)
입학금: 280만원 (CHF 2,250 + 수수료)
- 1차 선발 지원시 전액 면제 (지원기간 6월 1일 – 6월 10일)
- 2차 선발 지원시 180만원 면제 (지원기간 7월 1일 – 7월 9일)
- 3차 선발 지원시 80만원 면제 (지원기간 8월 1일 – 8월 8일)
- 이후 추가 지원 기간 지원시 면제 X
1 Term 1개 수업당: 200만원 (CHF 1,150 + TA Session + 수수료)
- 1 Term 당 2개 수강
- 1개 수업은 스위스 기준 5 ECTS* (8주 x 3시간 수업)

수업 진행 방식

매주 월~목 중 2일 저녁 7시-10시 온라인으로 강의 진행 (필수)
- 대부분 월~수, Cross-Program 강의는 예외적으로 목요일에 진행
각 주말 토/일 TA Session 1시간씩 진행 On/Off-line 동시 진행 (선택)
- 참석없이 과제만 제출해도 무방함
1년간 6개 Term동안 매 Term 당 2개 이상, 합계 12개 이상 수업

졸업요건

졸업 기준
- 60 ECTS* – 예상 수업료 2,400만원
- 졸업논문 (8 ECTS* 간주) – 논문 수업료 파비에서 지원

장학금

예상치 못한 입학금이 추가된 탓에, 파비블로그 열심히 보셨을 조기 지원자 분의 입학금에 장학금을 드리는 방식으로 진행하겠습니다
그 외 장학금
- 파비클래스 출신 장학금
- TA 장학금 – 파비클래스 출신, MSDS 학생 우대
- RA 장학금 – 비직장인 지원자 중 능력에 따라 선발

*ECTS – European Credit Transfer and Accumulation System

***DBA 과정: 최소 15 Term (3년) 과정

1 Term당 최소 2개 수업 수강
- MBA, MSDA, MSDS 수업 수강 가능, 최소 10개
- 매 Term당 1개는 반드시 논문 리뷰 수업 (매주 금요일 예정)
- 타 학교에서 편입시 기존 학교의 학점 수강 내역 인정
- SCI급 저널에 논문 Publish될 경우 졸업 (SCI급 Journal 리스트 추후 공개)

파비클래스 출신 장학금

파비클래스 다녀가신 분들 중 아래의 강의를 들으신 분들께는 기 지불하신 수강료만큼 감면 혜택이 있다. 이 금액은 파비에서 전액 지원한다. 그동안 받았던 만큼 돌려드리고 싶어서다. 이건 올해 신입생만 해당된다.

합계 2백만원을 내셨으면 7월에 시작할 6th Term 등록금에서 2백만원이 감면된다. 그 외의 수학 & 통계학 같은 기초 수업 수강료는 해당되지 않는다.

TA/RA 장학금

MSDS/MSDA 수업 TA 장학금

추가로, 파비클래스 기 수강생 분들, 특히 모델링 강의까지 들으신 분들이 높은 확률로 받으실 수 있는 장학금인데, 주말 TA Session 조교를 하시는 분들께 추가 감면 혜택이 있다.

TA/RA관련 Financing은 내가 석사 프로그램 수업 39개 중 11개 강의해서 받을 강의료를 포기하면서 배정해드린다. 돈 포기하고 뽑는 인력인 만큼, 나의 문제풀이 세션 시간을 최대한 Replace해 줄 수 있는 TA를 뽑았으면 좋겠다.

꼭 파비클래스를 거쳐가지 않았어도, 위의 MSDS 입학 시험 성적이 높은 분들 중 일부에게도 MSDA 수업 조교 오퍼를 드릴 생각이다. 처음 MSDA 제작 의도는 국내의 허접 교육에 희생된 불쌍한 학생들을 위한 주춧돌 과정이었는데, 정작 MSDS에게 장학금을 주기 위해 만들어진 프로그램일지도 모르겠다는 생각도 든다ㅋ

학부생 수업 TA 장학금

MSDS, MSDA 첫 학기 학점이 좋은 학생 분들을 대상으로 2학기에 학부생들 대상 수업의 TA Session을 배정해 드린다.

우리의 목표가 2022년 3월에 3학년 (졸업반) 편입생과 1학년 신입생 N명씩을 받는 건데, 그 때 실력이 검증된 학생들에게 우선 TA를 배정해드려서 학비 절감 효과를 조금이라도 누리시면 좋겠다. 아마 3학년 편입생 일부 중 실력자들도 신입생 대상 강의에 TA로 배정될 수 있을듯.

MBA/DBA 수업 TA 장학금

그 외에 MBA/DBA 과정에 내가 몇 차례 강의를 나가야 할테니, TA가 필요해보이는 수업에 역시 성적이 높은 학생, 수업을 잘 따라와서 TA를 잘 할 수 있어 보이는 학생을 배정한다.

전반적으로 비싼 학비를 최대한 아낄 수 있도록 다양한 TA 기회를 제공하려고 하고, 국내 교육 관련법의 구질구질한 조건을 안 따라도 되는 해외대학 학위과정이니만큼 학생들에게 Teaching과 관련된 다양한 경험을 제공해주고 싶다.

RA 장학금

교과서 써야되는데, 보조 해 주실 Research Assistant (RA)에게도 학비를 상당부분 면제해드린다. 지식 이해도는 기본이고, Latex 잘하고 그래프 잘 그려야 된다. 고대 김창진 교수님 계량경제학 강의노트와 비슷한 퀄리티의 결과물을 만들어낼 계획이다.

MSDS 학생들 대상이 될 확률이 높은 또 다른 RA 장학금인데, 파비 회사 내부에서 진행되는 연구 프로젝트에 선발되는 경우, 파비에서 장학금을 지급한다.

특히, 정부 프로젝트를 이것저것 많이 따려고 계획 중인데, 적절한 인력에게 적절한 업무를 제공해서, 최대한 프로젝트 경험을 쌓으면서 학비 절감을 받으실 수 있도록 해 드리려고 한다.

RA 장학금 – MSDA 전용

위에 언급한대로 정부 프로젝트를 적극적으로 지원해서 MSDS 학생들 중 비직장인들에게 Full-time 직업에 해당하는 업무에 해당하는 연구 경험을 쌓도록 해 드리려고 하는데, 해당 과제들에 제출하는 사업 기획서를 쓰는 업무를 MSDA 학생들 중 일부에게 배정한다.

Lecturer 장학금

Strictly MSDS 학생 대상으로 제공되는 장학금이다. 2022년 3월 학기에 학부 1학년 대상으로 미적분학, 기초 통계학, 미시경제학 등의 학부 수업이 있는데, 실력 및 기존 학위에 따라 Lecturer로 배정한다.

Data Science 박사 과정이 만들어지면 학부 1, 2학년 수업들 상당부분을 배정해드려서 우리 방식으로 교육받은 인재가 다시 우리 방식으로 학생들을 가르치도록 만들려고 하는 만큼, 우리가 원하는대로 직관적, 철학적, 체계적, 논리적 이해도가 높은 인재에게는 가능성이 무궁무진한 장학금이라고 생각된다.

기타사항

TA, RA 대부분이 직장 없이 바로 들어오는 분들에게 주어지겠지만, 성격상 일이 늦춰지더라도 실력없는 사람에게 기회를 주지 않는 스타일이라, 입학 면접 때 어떤 방식으로건 자기 PR을 해 주시면 좋겠다.

TA, RA 시간당 얼마냐고? 능력치와 업무에 따라 다른건 당연한거 아닌가?

TA 세션이란?

온라인으로 강의들이 돌아가는 만큼, 학생들이 수업을 따라오는데 큰 어려움을 겪을 것이라는 것을 충분히 예측할 수 있다. 특히 내용이 내용이니만큼, MSDS, MSDA는 반드시 매주 Problem Set을 내고, 그 Problem Set을 풀어주는 조교 수업을 최소 1시간 이상 배정해드린다.

이 부분이 학점에 반영되는게 아닌만큼 Unofficial하게 진행되어서 TA 수업을 반드시 들어야 하는 건 아니지만, 듣고나면 매우 크게 도움이 될 것이다.

박사시절 Best TA of the Year 상을 2차례나 받으며 당시 석사생들에게 받은 피드백들을 보면, 잘 가르쳐 주는 TA 한 명이, 자기 혼자 칠판에 수식 휘갈기는 교수 10명 보다 나았다.

이런 구조를 우리 MSDS, MSDA, MBA/DBA in AI BigData 프로그램에 오는 학생들에게 꼭 경험시켜드리고 싶다.

학부 시절에 수학과 수업가면 강사하는 대학원 생들이 아무 말 없이 칠판에 pf) 라고 쓰고는 칠판을 꽉꽉 채우는 수업을 여러번 하던데, 그런 TA는 당연하겠지만 성적이 좋아도 해고다. 잘 가르칠 수 있는 사람, 직관적으로 이해하는 사람을 골라서 Best TA of the Year 상을 1명에게 주기가 힘들도록 만들어야지ㅋ

특히 오프라인 미팅이 없어 동기생이 없는 느낌, 혼자서 공부한다는 느낌, 내가 잘 하고 있는건지 알 수가 없다는 느낌 등등, 강의장에서 친구들과 같이 수업을 들으면서 느끼는 그런 감정을 비슷하게나마 구현해드리려고, 기존의 온라인 강의 시스템에 오프라인 TA세션을 추가하는 하이브리드 형태로 바꾸게 되었다.

TA 세션은 온/오프라인으로 동시에 진행된다. 오프라인에 참석하는 것은 본인의 선택이다.

2021년 8월 30일 개강 대학원 과정