[2026-1] 3학년 2학기 회고 - 학점 4.43 달성!

기존에 올린 3학년 1학기 회고 글

https://cuffyluv.tistory.com/250

[2025-1] 3학년 1학기 회고 - 학점 4.42 달성!

성적

23학점 4.43, 성장학금 50% 획득 예정

2학기 연속, 한 과목을 제외하곤 모두 A+를 받았다.

 

이번 학기도 성적 측면에서는 만족스러운 학기였다.

특히 5학점은 아주대에서 안 열리는 국민대 과목들로 수강할 수 있어서 더 좋았다.

과목 별 후기

차량비전시스템(국민대)

여태 학교 다니면서 들은 수업 중 매우매우 너무 만족스러운 수업이었다. 이 교수님 연구실 학부연 신청을 진지하게 고민했을 정도...(다른 연구 분야 쪽으로 희망하게 되면서 접었다)

아주대에서는 3d vision을 배울 수업이나 기회가 전~~혀 없었는데, 자동차로 유명한 국민대에서 3d perception을 전공하신 교수님의 수업을 직접 들을 수 있어서 너무 좋았다.

 

중간고사 이전은 딥러닝 이전의 고전적인 컴퓨터 비전에 대해 나갔다.

영상처리 쪽 내용 일부와, 카메라 기하학(핀홀 카메라, 렌즈 카메라, 조리개, 셔터 스피드 등)을 배우고, image transform, image warping, homography 등에 대해 배웠다.

이후 카메라 외부 및 내부 파라미터, camera coordinates transform(3D -> 2D -> pixel)캘리브레이션, 그리고 캘리브레이션에 대해 배웠다.

마지막으로 multi-view geometry랑 stereo camera, sfm에 대해 배우고, optical flow와 motion flow에 대해 배웠는데, 개인적으로 이 파트가 이 수업에서 가장 재미있었다. 특히 3d reconstruction의 전처리 단계인 sfm을 배워서 좋았다.

스테레오 비전 - 강의노트 발췌

 

이 단계에서 과제를 두 개 했는데, 그 중에 두 번째 과제가 매우 흥미로웠다. Image warping을 직접 프로그래밍해 내가 찍은 사진으로 warping한 결과를 제출하는 거였는데, 이를 위해 correspondences을 두 이미지에서 취득해야 했었다. 이걸 수동으로 하는 방법과 자동으로 하는 방법 두 가지가 있었는데, 나는 수동으로 하되 수동으로 점을 찍어줄 수 있는 간단한 마우스 기반 파이썬 프로그램을 코딩했었다.

왼쪽이 제작한 프로그램이고, 오른쪽이 image warping 결과.

사용한 건물은 아주대 팔달관 건물이다. ㅎㅎ

건물을 피사체로 선택한 건, 건물이 가진 특성인 격자형 구조, 반복되는 창문 구조, 튀어나온 부분들의 존재, 격자 간 색상 변화가 존재 등을 이유로 corner을 기반으로 한 대응점들을 직접 선택하기 용이한 구조라고 생각했기 때문이었다.

 

중간고사 이후는 cs231n처럼 딥러닝이 적용된 컴퓨터 비전을 아주 빠르게 훑고, 자율주행의 Perception을 LiDAR와 Vision 관점으로 나눠서 배웠다. 딥러닝쪽을 매우 빠르게 훑고 넘어가주신 게 좋았던 게, 딥러닝쪽을 하나하나 다 설명하셨다면 컴퓨터 비전쪽 내용을 많이 다루지 못했을 것이기 때문이다. Vision쪽에선 요즘 핫한 연구 주제인 Feed Forward(2차원 -> 3차원 리프팅하는 기술)에 대해서도 다뤄 주셨다. 그 외에도 IPM, FCOS3D 등에 대해 배웠다. 3DOD task를 주로 다뤄 주셨는데, Vision 마지막 쪽에선 3D Occupancy prediction쪽도 다뤄 주셔서 신선했다. LiDAR쪽에선 PointNet, VoxelNet, PointPillar 등에 대해 배우고, 센서 퓨전도 살짝 설명해 주셨다. 

 

마지막 1주는 2인 1팀으로 10분 씩 논문 발표 프로젝트가 있었는데, 나는 DriveLM을 다뤘었다.

 

교재는 "Computer Vision: Algorithms and Applications, 2nd ed., 2022 Richard Szeliski, The University of Washington"으로 나갔는데, 컴퓨터 비전의 대표 명저이다. 교수님께서 교재에서 핵심 내용들을 발췌하고 재구성해 수업해 주셨다.

자율주행자동차기술(국민대)

2학점 과목이고, Kmooc 녹화된 영상들을 보고, 마지막 기말고사 1회만 보는 과목이었다.

교수님 5분이 나눠서 윤강해 주셨는데, 자율주행에서 쓰이는 요소기술들을 얉고 넓게 알 수 있었다.

근데 그 중 대부분은 이미 들어본 내용이었어서 편하게 들었던 것 같다.

자율주행 전반과 인지, 딥러닝, 컴퓨터 비전, 자율주행 판단과 강화학습,Visual Slam 등에 대해 배웠는데,

특히 마지막 Visual Slam쪽이 되게 재밌었다.

시험은 퀴즈보다 어렵게 나와서 좀 당황했는데 나만 당황한 게 아닌지 성적은 높게 나와 다행이었던 과목.

 

참고로 (아마 일반인들도) kmooc을 통해 해당 강의를 들을 수 있는 걸로 안다. 관심있는 사람은 들어 봐도 좋을 듯.

https://www.kmooc.kr/view/course/detail/11941

K-MOOC

인공지능

사실상 딥러닝 과목. 우리학교에서는 기계학습 과목에서 머신러닝을 가르치고, 인공지능 과목에서 딥러닝을 가르친다.

cs231n을 기반으로 교수님 연구분야이신 컴퓨터 비전쪽을 중심으로, 딥러닝의 역사와 AlexNet부터 ResNet까지의 CNN family, 그리고 Transformer과 ViT까지 배운 과목수업

내용 자체는 네부캠에서 배웠던 딥러닝 2~3주차 내용 정도를 넓게 가르친 느낌

 

기존에 배운 내용을 복습하는 느낌으로 가볍게 들었다.

교수님도 4학년이 많이 듣는 걸 감안해서 시험이나 과제도 부담없이 내 주셔서 괜찮았다.

특히 Batch Normalization에 대해서 내가 오해했던 부분들을 바로잡을 수 있었고, 그 헷갈렸던 내용이 딱 기말고사 시험에 나와서 재밌었다.

와! 만점!

언어모델의이해및활용

믿고 듣는 J교수님 수업. 언어모델이지만 사실상 LLM 수업이다. 즉 LLM 이전의 전통적인 NLP에 대해선 pass하심. 특히 Transformer도 알고 있다는 가정 하에 넘어가고, 아예 LLM을 주력으로 수업해 주셨다.

각 챕터마다 특정 주제로 논문들을 잡고 빠르게 리뷰하는 식으로, 즉 논문 리뷰의 집합 느낌으로 수업이 진행됐다. 개인적으로 매우 좋아하는 수업 방식.

 

중간고사 이전까지는 LLM 자체를 학습시키는 관점에서 BERT와 GPT 시리즈를 배우고, GPT의 사후학습을 위한 강화학습(RLHF)등에 대해 깊게 배웠다.

 

중간고사 이후부터는 Prompting을 위주로 배웠는데, soft prompting은 사람 눈에 안 보이는 벡터로 프롬프팅을 한다는 게 좀 신기했다. hard prompting도 다 사람이 읽을 수 있는 건 아니고, AutoPrompt같은 건 사람이 읽을 수 없는 어떤 토큰을 넣기도 했단 게 흥미로웠다.

그리고 LLM Evaluation 방법과 Bias and Toxicity에 대해 배웠다. Evaluation쪽은 특히 유용했던 게, DriveLM 논문을 읽으면서, 저자들이 SPICE는 semantic evaluation이 부족하다면서 GPT Score을 같이 썼다고 하는데, 그 이유를 알 수 있어서 좋았다. 통계론적 metric과 LLM-based metric의 차이.

 

그리고 기말고사 기간엔 딱 4명을 지원받아 30분 씩 half-time presentation을 할 수 있었는데, 여기에 지원했었다. 교수님께 2회에 걸쳐 presentation proposal을 보내고, 그걸 검토받아 발표하는데, 나는 처음엔 RoBERTA와 KoElectra에서 예전에 TAPT를 썼던 걸 주제로 해볼 까 하다가, 발표 시간이 별로 안 나올 것 같기도 하고, 그쪽은 내 진로랑은 이제 많이 멀어졌기도 해서, 따로 DriveLM 논문을 공부해, "LLM for Autonomous Driving"을 주제로 했다. 자율주행에 대한 도메인 설명, 그리고 E2E, DriveLM이 UniAD와 같은 Modular E2E의 설명 가능성 한계 극복 + multi-step reasoning을 활용한 사례라는 점을 설명하고, 현실 세계에 적용하기 위한 closed-loop evaluation과 efficiency에 대해 개선 방안을 설명했다.

 

대본 사용 금지여서 나는 처음부터 그냥 대본을 아예 안 만들고 갔는데, 결론적으로는 실패였다. 영어로 처음부터 창작하려니까 말을 많이 더듬었다. ㅠㅠ

발표 영상은 교수님께 녹화를 요청해 동영상으로 가지고 있는데, 말도 많이 더듬었고 틀린 내용도 (지금 와서 보면) 있지만, 그래도 처음으로 영어로 길게 발표를 해 본 것이기에 나중에 유튜브에 업로드라도 해볼까 한다.

발표 PPT 중 한 페이지. 참고로 GPT를 사용해 PPT를 만들고 후보정해 봤는데, 결과는 좋지 못했다. 아직까지 PPT는 직접 만드는 게 더 좋은 듯.

그리고 웃긴 건 GPT로 PPT를 만들어보고 나니까, 이젠 AI로 만든 PPT를 구별하는 눈이 생겼다. 이번에 학과 설명회에서 나온 PPT를 보고 "아 이거 GPT로 만들었네"하는 게 너무 티가 나서 좀 웃기기도 했다. 물론 그게 잘못됐다거나 해서 웃겼단 게 아니다. AI 시대에 AI를 쓰는 건 절대 잘못된 게 아니다. 그냥 뭔가 남들이 모를 비밀을 나만 아는 것 같아 재밌었을 뿐. ㅎㅎ

모빌리티개론

미래모빌리티공학과 과목. 궁금해서 수강해 봤다.

교수님 세 분이 돌아가면서 수업하시고 시험도 3번 봤다.

수업 내용은 1차는 임베디드, 2차는 자율주행, 3차는 전력전자 및 모터였다.

 

1차 임베디드는 소웨에서 배웠던 디지털회로 + 컴퓨터구조 + 시스템프로그래밍 + 운영체제 내용을 얇고 넓게 배웠다. 그래서 그냥 가볍게 복습하는 느낌으로 들었다.

 

2차 자율주행은 이 쪽도 원래 알던 내용이 많아서 그냥 쉬면서 들었다. 기존에 현대NGV 교육 내용과 많이 겹치기도 했고.

재밌었던 점은 여기도 DARPA 대회부터 수업이 시작했다는 거다. 모든 자율주행 수업이 DARPA부터 시작하는 게 국룰인가 보다.

 

3차 전력전자 및 모터는 아예 처음 배우는 내용이라 좀 어려웠다. 교수님 말로는 미모공 학생들이 동시수강 중인 "회로이론"과 내용이 많이 겹친다는 듯. 예전에 물리학 수강 때 후반부에서 배운 회로 및 전자기 쪽 내용이 좀 도움이 됐다. 

기억에 남는 건, 전기자동차가 보급되려면 전력전자 체계가 발전되지 않고는 불가능하다는 점. 즉 친환경에너지만으론 전기차의 막대한 에너지를 감당하기 어렵다. 원전이 필요하다는 뜻. 그러나 전기자동차는 지지하면서 원전은 반대하는 사람들이 많은 걸 봐서는 사람들이 이런 내용을 잘 알기 어렵나 보다. 그리고 스마트그리드 관점에서 전기자동차가 일종의 배터리처럼 사용될 수 있다는 것도 흥미로웠다. 교수님이 전력전자 및 모터 분야 권위자셔서 상당히 재밌었지만, 시간 대비 효율 관점에선 좀 힘들었던 기분. 교양 듣는 느낌으로 그냥 공부했다. 

금융선형대수

솔직히 말하면, 소웨 선형대수 시간에 이미 다 배운 내용들 복습하려고 + 학점 편하게 따려고 들었다.

그리고 예상대로 이미 다 배운 내용이었어서... 그냥 쉬면서 공부했고, 평균 60점대 시험에서 나 혼자 100, 96점이 찍혀버렸다.

해당 과목에서 소웨 학생이 나밖에 없는 것 같던데... 이런 건 시스템적으로 학교에서 막아놔야 하지 않을까 싶다. 

금융공학과 분들에게 조금 죄송함이 들기도 하는...

중간 100점 기말 96점

자동제어 설계

기계공학과 과목인데, 이 과목만 해도 할 말이 너무 많다.

개인적으로 정말 흥미로웠고, 고등학생으로 돌아간다면 이 과목 하나로 전자공학과나 기계공학과를 선택하고 싶단 생각도 들었고,

시간을 되돌린다면 제어 엔지니어로 진로를 변경해도 괜찮겠다는 생각도 든 과목.

 

일단 이 과목에만 시간을 타 과목 대비 2배는 투자했다.

왜냐하면 이 과목의 (권장) 선수과목이 "공업수학(푸리에, 라플라스, 미분방정식 배움)"과 "동역학"이었고, 많은 기계공학과 학우분들이 이 과목과 배우는 내용이 비슷한 "진동학"을 이미 3학년 때 배운 뒤였다.

근데, 이 과목을 수강할 때까지 나는 푸리에 변환은 영상처리 때 배워 좀 알고 있었지만, 라플라스 변환은 뭔지 아예 몰랐고, 동역학도 뭔지 아예 몰랐다!

그래서 나는 이 과목 하나 수강하는 데 "라플라스 변환", "동역학", "고전제어" 이 3가지를 동시에 공부한 것이다.

GPT가 없었으면 불가능했을 일이다... 그리고 기계공학과 학우 분 한 분의 도움도 매우 컸다. 감사합니다 P씨...

 

내용은 수학 복습과 동역학 modeling 복습, feed forward와 feed back 차이 및 제어 기초, routh, root locus, matlab, bode diagram, nyquist plot, Gain margin에 대해 배웠다.

원래는 PID 제어를 심화적으로 다루는 것도 수업 계획에 있었지만, 시간 관계 상 생략.

 

그리고 modeling과 control(제어)의 차이에 대해서는 따로 칼럼을 한번 써보고 싶다.

modeling은 system의 식을 세우는 것. 예를 들어 스프링 댐퍼 시스템 등. 그리고 이 식은 control의 plant가 된다. 이 plant는 변화 가능하다. 예를 들어, 비행기가 바람에 의해 흔들려서 비행기가 앞으로 고꾸라진다거나 하면 plant 식이 변할 수 있다.

control은 plant의 식을 변화시키는 것. 세부적으로는 pole, 즉 open-loop pole을 gain으로 조절해 closed-loop pole로 만들어 system이 stable해지게 만든다. 목표는 RHP pole이 나타나지 않게 하는 것. RHP이 나오면 system은 s domain에서 진동하면서 발산하게 된다.

과제하면서 그렸던 bode diagram들. 제어의 꽃이 bode diagram이라고 할 정도로 제어에서 중요하다.

matlab simulink 실습. 이미지는 root locus를 simulink로 구현해 본 과제.

현대건축

교양과목. 그냥 재밌게 들었는데, 이 과목에서 유일하게 A0을 받아서 아쉽기도 했다.

나는 현대건축이라고 하면 오늘날 아파트 시대의 건축, 도시계획 등에 대해 배울 줄 알았는데,

전혀 달랐다. 사실상 "근대건축사"라고 볼 수 있을 정도로, 건축 사조의 역사에 대해 배웠다.

 

이 과목은 건축학과의 전공필수이기도 한데, 건축학과에서는 서양건축사를 수강하고 이 과목을 수강한다고 한다.

그래서 교수님이 수업 앞부분에 서양건축사 내용(고전 고딕 르네상스 등)을 이미 안다고 가정하고 나가셔서, 따로 GPT로 공부하는 데 초반에 애를 많이 먹긴 했다.

 

근대초기의 신고전주의, 고딕리바이벌, 절충주의에 대해 배우고, 근대초기부터는 건축이 아닌 건축공학도 발달했다는 내용(ex. ㅇ펠탑, 엘리베이터), 그리고 도시화와 산업화에 의한 건축 및 도시계획에 끼친 영향, 미국 초기 근대건축(시카고파), 프랭크 로이트 라이트의 유기적 건축, 아르누보, 예술공예운동, 세제션 등에 대해 배웠다. 그리고 중간 이후엔 독일공작연맹, 바우하우스, 입체파, 구성주의, 데스틸, 미래파 등에 대해 배웠다. 이후 인물 위주로 미스의 국제주의와 르코르뷔지에의 백색 건축 및 후기 브루탈리즘적 건축 양상을 배우고,여기서 TeamX와 브루탈리즘으로 넘어가며 "살아가는 건축", "팽창하는 건축"에 대한 아키그램과 메타볼리즘에 대해 배웠다. 이후 미국이 아닌 유럽의 유기적건축을 휴고 헤링, 한스 샤로운, 알바 알토를 위주로 배우고, 모더니즘이 끝나게 된 푸르이트 아이고 단지에 대해 배우며 레이트모더니즘, 포스트모더니즘을 배웠다. 이후 미드센츄리와 해체주의를 배우고, 미니멀리즘과 일본의 시게루 반에 대해 배웠다. 

 

사실 교양이니만큼 미래에 도움이 되리라 생각하진 않지만, 그래도 꽤 재밌었고, 철학쪽 교양이랑 이 교양을 고민했는데 이걸 선택하길 잘한 것 같다.

성적은 타과끼리 따로 내셨다고 하는데, 기말고사를 조금 못 봐서인지 학점이 A0가 나와 아쉬울 따름...

아쉬웠던 점&앞으로의 다짐

연구 역량을 많이 쌓지 못한 점, 특히 학부연구생을 하지 못한 점이 아쉽다.

아직까지 계속 연구 분야를 고민하고 있는 것과, 교내에 3D를 연구하시는 교수님이 거의 안 계신다는(사실상 안 계신다) 점 때문...

늦어도 방학 중에, 정말 늦어도 2학기 중에는 꼭 학부연구생을 시작하여 연구 역량을 빨리 쌓고 싶다.