코딩을 처음 시작해도 AI학과에 갈 수 있을까? 전공 선택 전 확인할 7가지

1. 입학 전에 잘해야 하는 것과 배우면서 길러야 하는 것을 나눈다

코딩 경험이 없으면 AI·소프트웨어 전공을 선택하기 어렵다고 느낄 수 있습니다. 하지만 전공 선택에서 먼저 확인할 것은 이미 몇 개의 언어를 다루는지가 아니라, 모르는 문제를 작은 단계로 나누고 오류의 원인을 찾는 과정이 자신에게 맞는지입니다. 입학 전 실력과 입학 후 학습 목표를 같은 기준으로 평가하면 시작할 기회 자체를 놓치기 쉽습니다.

한국폴리텍대학 서울강서캠퍼스 공식 학과 페이지는 빅데이터소프트웨어공학과의 학과소개, 교육과정, 학생지원, 주요실적, 학과활동과 졸업작품을 구분해 제공합니다. 지원자는 소개 화면만 보지 말고 교육과정과 결과물을 함께 살펴야 합니다. 무엇을 배우는지와 그 지식이 어떤 소프트웨어로 이어지는지를 동시에 확인할 수 있기 때문입니다.

이 글은 입학 가능성이나 합격을 판정하지 않습니다. 코딩 입문자가 전공 학습 방식을 미리 경험하고 자신에게 맞는지 판단하도록 돕는 학습 안내입니다. 실제 과목명, 지원 자격과 전형 기준은 최신 공식 교육과정과 모집요강을 기준으로 확인해야 합니다.

근거 자료 · 서울강서캠퍼스 · 빅데이터소프트웨어공학과 학과소개 · 서울강서캠퍼스 · 빅데이터소프트웨어공학과 교육과정

2. 첫 기준은 문법 암기보다 문제를 순서로 설명하는 능력이다

프로그램은 입력을 받아 정해진 순서와 조건에 따라 처리하고 결과를 만듭니다. 입문자는 괄호나 철자를 틀리는 일을 실패로 생각하지만, 오류 메시지를 읽고 어느 단계에서 예상과 달라졌는지 찾는 과정 자체가 프로그래밍 학습입니다. 종이에 순서를 먼저 적고 코드 한 줄씩 결과를 확인하면 긴 코드를 한 번에 복사하는 것보다 구조를 빨리 이해할 수 있습니다.

예를 들어 점수 세 개의 평균을 구하는 문제를 입력, 자료형 확인, 합계, 개수, 나눗셈, 출력으로 나눕니다. 빈 값이나 숫자가 아닌 문자가 들어오면 어떻게 할지도 정합니다. 이 작은 문제에는 변수, 조건문, 함수, 오류 처리가 모두 들어 있습니다. AI 도구가 코드를 만들어 주더라도 각 단계의 목적을 설명하지 못하면 잘못된 결과를 찾기 어렵습니다.

자신에게 맞는지 확인하려면 정답을 빨리 만드는지보다 오류를 만났을 때 어떤 행동을 하는지 기록하세요. 오류 문장을 읽고, 입력을 줄이고, 중간값을 출력하고, 문서를 찾아 한 가지씩 가설을 시험하는 과정이 흥미롭다면 전공 학습에 필요한 중요한 출발점을 가진 것입니다.

# 코딩 입문용 설계 예시
입력: 쉼표로 구분된 점수 문자열
1. 값을 나눈다
2. 각 값이 숫자인지 확인한다
3. 숫자로 바꾸고 합계와 개수를 구한다
4. 개수가 0이면 오류를 보여 준다
5. 평균과 처리한 개수를 출력한다

3. Python·SQL·Java는 경쟁 언어가 아니라 서로 다른 역할이다

처음에는 어떤 언어 하나를 완벽하게 고른 뒤 다음으로 넘어가야 한다고 생각하기 쉽습니다. 실제 서비스에서는 Python이 데이터 정제와 분석을 맡고, SQL이 데이터를 저장하고 조회하며, Java가 사용자 요청을 처리하는 백엔드 API를 구성하는 식으로 역할을 나눌 수 있습니다. 모든 프로젝트가 이 구성을 쓰는 것은 아니지만 기술이 연결되는 방식을 이해하는 데 유용합니다.

Python으로 CSV 파일을 읽어 빈 값과 중복을 정리하고, SQLite에 저장한 뒤 SQL로 월별 건수를 조회해 보세요. 그다음 Java 프로그램이나 웹 API가 조회 결과를 JSON으로 반환한다고 설계합니다. AI 모델을 붙인다면 정제된 데이터를 입력으로 사용하고, 예측 결과와 모델 버전을 다시 데이터베이스에 기록합니다.

클라우드는 마지막에 파일을 올리는 장소만 뜻하지 않습니다. 다른 컴퓨터에서도 같은 환경으로 실행되는지, 비밀번호를 코드에 넣지 않았는지, 오류 로그를 어디서 확인하는지, 새 버전이 실패하면 어떻게 되돌리는지를 다룹니다. 입문 단계에서는 이 전체 흐름을 한 번에 구현하기보다 각 단계의 입력과 출력을 그려 보는 것으로 시작할 수 있습니다.

4. AI에 관심이 있어도 데이터와 평가를 피할 수 없다

AI 전공을 선택할 때 모델 이름이나 생성 화면만 보면 실제 학습과 차이가 생길 수 있습니다. AI 결과는 입력 데이터의 범위와 품질, 정답을 정한 기준, 평가 방법에 영향을 받습니다. 데이터가 중복되거나 평가용 자료가 학습에 섞이면 높은 점수가 나와도 새로운 입력에서 같은 성능을 기대하기 어렵습니다.

입문자는 복잡한 딥러닝부터 시작하지 않아도 됩니다. 문의 문장을 두 범주로 나누는 실습이라면 먼저 단어 포함 여부를 이용한 단순 규칙을 만들고, 그다음 작은 분류 모델과 비교합니다. 정확도뿐 아니라 어떤 문장을 틀렸는지 표로 정리하고, 두 방법의 실행 시간과 설명 가능성을 비교합니다.

생성형 AI를 사용할 때도 결과를 그대로 제출하기보다 질문, 받은 답변, 수정한 부분, 확인한 출처와 남은 불확실성을 기록합니다. AI가 만든 코드는 실행 결과와 테스트로 확인하고, 설명 문장은 원문 자료와 대조합니다. 도구를 쓰는 능력과 결과를 검증하는 능력은 함께 길러야 합니다.

5. 공개 작품은 목표가 아니라 학습 과정을 묻는 자료다

공개 시연영상 아카이브에는 졸업작품과 프로젝트실습이 구분되어 있으며 여러 주제의 작동 화면을 볼 수 있습니다. 입문자가 완성된 작품과 자신의 첫 코드를 바로 비교하면 격차만 크게 느껴질 수 있습니다. 작품을 최종 목표로만 보지 말고 어떤 작은 기능들이 합쳐졌는지 분해해 보는 편이 도움이 됩니다.

영상 한 편을 골라 사용자, 문제, 입력 데이터, 핵심 기능, 출력 화면을 다섯 칸에 적습니다. 영상에서 직접 확인되지 않는 기술이나 성능은 추측하지 않고 질문으로 남깁니다. 로그인, 검색, 데이터 저장, 분석, 알림 가운데 자신이 일주일 안에 축소해 만들 수 있는 기능 하나를 선택합니다.

공개 영상은 정상 동작을 이해하는 자료지만 소스 품질, 팀원별 기여, 개인정보 처리와 장애 대응을 모두 증명하지는 않습니다. 지원자는 작품 수나 수상명만 보는 대신 문제 정의와 데이터 흐름, 검증 근거가 어떻게 설명되는지 살펴야 합니다.

근거 자료 · 빅데이터소프트웨어공학과 · 학생 시연영상 아카이브 · 빅데이터소프트웨어공학과 · 공개 포트폴리오

6. 7일 사전 실습으로 전공 적합성을 확인한다

다음 활동은 실제 교과목이나 입학 평가가 아니라 전공 학습 방식을 경험하기 위한 제안입니다. 첫날에는 생활 속에서 반복되는 기록 한 가지를 고릅니다. 도서 대출, 운동 기록, 지출 내역처럼 개인정보 없이 가상 자료를 만들기 쉬운 주제가 좋습니다. 해결할 질문과 필요한 열을 종이에 적습니다.

2일 차에는 가상 데이터 30행을 만들고, 3일 차에는 Python으로 자료형과 빈 값을 검사합니다. 4일 차에는 SQLite에 저장하고 SQL로 두 가지 집계를 작성합니다. 5일 차에는 잘못된 입력 세 가지를 만들어 오류 처리를 확인합니다. 6일 차에는 결과를 표나 간단한 웹 화면으로 보여 주고, 7일 차에는 실행 방법과 실패 사례를 README에 정리합니다.

중요한 평가는 기능 개수가 아닙니다. 다른 사람이 설명서를 보고 실행할 수 있는지, 원본과 수정 데이터를 구분했는지, 집계 기준을 말로 설명할 수 있는지, 오류를 숨기지 않고 원인과 수정 과정을 적었는지 확인하세요. 끝까지 완성하지 못해도 막힌 지점을 정확히 설명하면 앞으로 배울 내용을 알 수 있습니다.

• 문제를 사용자와 상황이 드러나는 한 문장으로 적었는가
• 가상 데이터의 열과 자료형을 설명했는가
• Python 정제 결과와 SQL 집계가 일치하는가
• 정상 입력과 오류 입력을 모두 시험했는가
• 실제로 한 일과 앞으로 할 일을 구분했는가

7. 학과 선택은 ‘할 수 있나’보다 ‘계속 배울 수 있나’를 묻는다

전공을 비교할 때는 학과 이름, 교육과정, 프로젝트 결과, 학습 지원과 자신의 경험을 함께 놓아야 합니다. 공식 교육과정에서 기초와 심화가 어떤 흐름으로 제시되는지 확인하고, 공개 작품에서 그 지식이 실제 서비스로 연결되는 사례를 찾습니다. 페이지에 보이지 않는 내용은 상담에서 구체적으로 질문합니다.

코딩 입문자를 위한 기초 학습은 어떤 방식인지, Python·SQL·Java가 프로젝트에서 어떻게 연결되는지, 개인과 팀 작업은 어떻게 평가되는지, 오류를 수정할 도움을 어디에서 받을 수 있는지 물어볼 수 있습니다. 특정 과목의 개설 여부나 운영 방식은 확인 없이 가정하지 않습니다.

처음부터 잘하는 학생보다 모르는 것을 기록하고 작은 실험으로 확인하는 학습자가 긴 프로젝트를 버틸 수 있습니다. 7일 실습에서 코드를 고치는 과정과 데이터가 결과로 바뀌는 과정이 흥미로웠다면 좋은 신호입니다. 힘들었던 부분도 판단 자료입니다. 어떤 도움과 기초가 필요한지 알고 선택하면 입학 후 학습 계획이 더 구체적이 됩니다.

근거 자료 · 서울강서캠퍼스 · 빅데이터소프트웨어공학과 교육과정 · 빅데이터소프트웨어공학과 · 학생 시연영상 아카이브