[공지] 한국 학생 추가 모집 수요 조사

Korea
1

SIAI
SIAI1150×604 162 KB

Gordon Institute와 많은 논의를 한 끝에, 한국에서 수요 조사를 한 번 더 해보고 난 다음에 한국 시장을 완전히 접을지 여부를 결정하자고 양보를 받아냈습니다.

  • 수요 조사 기간은 2026월 9월 27일까지 입니다.
  • 한국 내에서 8명 이상이 예비 과정을 통과해야 프로그램을 진행 할 예정입니다.
  • 8명에 못 미칠 경우, 한글 지원 없이 운영되는 SIAI GSB 본 과정에서 교육을 받을 수 있습니다.

교육 과정 운영 방식은 지난 2025년 3월에 받았던 지원자들과 상동입니다.

SIAI - GSB 소개

SIAI는 스위스 Schwyz에 설립된 AI 전문 연구 기관으로, 2021년부터 한국 시장에 AI 교육 서비스를 제공하고 있습니다. 당 연구소는 Research 부문과 더불어, AI Labs을 통한 AI 실증 연구 프로젝트, SIAI Summit을 통한 인적 교류 활동 등을 진행합니다.

Gordon School of Business는 SIAI의 AI 교육 부분이 분리된 기관입니다. 2024년 3월에 Gordon Institute의 후원을 받으면서 교육 프로그램 명칭이 변경되었습니다.

단순히 AI 적용 코드를 베끼거나, 챗GPT 등의 AI 프로그램을 잘 활용하는 것에 그치는 일회성 교육이 아니라, Rerum Cognoscere Causas (사물의 근원을 파악하는 사람)라는 설립 모토에 맞춰, AI 시대에 가장 필수적인 생존 역량인 사고력 (Critical Thinking) 을 길러내는데 초점을 맞춘 고급 교육 과정을 운영하고 있습니다.

2021년부터 진행된 한국어 지원 과정에는 75명의 학생이 입학해 11명이 졸업했고, 다수의 학생이 중도 탈락하거나 졸업논문 심사를 통과하지 못한 상태입니다. 영미권의 고급 교육 과정에 익숙치 않은 한국 학생들을 지원하는 것이 한국어 지원 과정의 본 목적입니다.

Gordon Institute는 아래의 목표로 SIAI 성장에 다양한 지원을 제공하고 있습니다.

  • Small in Scale. Serious in Scholarship (소규모 특화 스위스 AI 경영대학원)
  • Beyond Coding. Learn to Think (코딩이 아니라, 생각하는 법을 배우는 스위스 AI 경영대학원)

MBA Ranking 선정 기준 Top 20 AI & Data Strategy MBA 선정 (2026, 2025)

Eduqua 인증 (스위스 교육 기관 품질 인증)

교육 시스템

0. 운영 모듈

  • 수업: 온라인
  • 논문 발표: 오프라인 (매년 6-8월 Zurich에서 진행되는 SIAI Summit 행사에 맞춰 진행)

1.운영 프로그램

Tech/Biz track 프로그램의 교육 내용은 동일합니다만, Tech track은 매 과목 시험을 쳐서 A~F 학점이 배정되고, Biz track은 Essay 및 발표를 통해 P/F로 학점이 배정됩니다.

MSc AI/Data Science는 한국에서 운영 계획이 없습니다만 Tech track을 졸업할 경우에 MSc 과정의 예비 과정에 해당하는 Pre-MSc 과정과 10과목이 겹치는 만큼, 대부분의 학점을 인정 받고, 입학 시험이 면제됩니다. MSc AI/Data Science는 수강 과목이 2년에 걸쳐 2배로 진행되는 만큼, 실질적으로 MBA AI Tech Track이 1년차에 해당한다고 볼 수 있습니다.

2.프로그램 내용

  • 12과목: 8주 수업 (1과목 당), 2달 2과목씩 병행, 12개월 12과목
  • 졸업 논문: 2년차에 졸업 논문 작성

교육 과정 - 12 과목

  • 기초 수업 (0학점 과정)
    • COM100: Issues in Computer Programming
    • COM101: How to use LaTeX
  • 수학&통계학 수업
    • STA501: Data-based Decision Making
    • STA502: Math & Stat for MBA I
    • STA503: Math & Stat for MBA II
  • 계산과학 수업
    • COM501: Scientific Programing
    • COM502: Machine Learning
    • COM503: Deep Learning
    • COM504: Reinforcement Learning
    • COM505: Large Language Models
    • COM506: AI/Data Science Project
  • 비즈니스 적용 수업
    • BUS501: AI & Marketing
    • BUS502: AI Business
    • BUS503: AI & Law

진행 순서

  • 1st Semester
    • 1st term: STA501, STA502
    • 2nd term: STA503, COM501
    • 3rd term: COM502, BUS501
  • 2nd Semester
    • 4th term: COM503, BUS502
    • 5th term: COM504, BUS503
    • 6th term: COM505, COM506

수업 진행

기초 수업

  • 동영상 강의 수강 (3시간 x 8회)
  • Problem set 풀이 (1시간 x 7회)
  • 시험 전 리뷰 수업 1회 (2시간)
  • 시험 후 리뷰 수업 1회 (2시간)

Busines 수업

  • 동영상 강의 수강
  • 과거 학생들 발표 자료 참고
  • 발표 준비 수업 2회
  • 최종 발표 수업 1회

교육 과정 - 졸업 논문

위는 각 2023년, 2024년, 2025년에 Best Paper of the Year로 선정된 논문들입니다. 위와 같은 졸업 논문을 쓰는 것을 목표로 합니다.

구성

  • 주제 예비 심사: 논문 주제의 적합성 여부를 평가 후 다음 단계로 진행 (1회, 탈락시 추가 1회)
  • 논문 수업: 매달 1회씩 진행 상황 공유 후 코멘트 및 추후 진행 가이드 (6회)
  • 내부 발표: 오프라인 발표 전 마지막 리허설 (1회)

3.예비 과정 운영

과거 사례를 바탕으로 아래의 2개 과목을 통과한 학생들만 입학 절차를 진행합니다

  • 수학&통계학 수업
    • STA501: Data-based Decision Making
    • STA502: Math & Stat for MBA I

시험 전 예비 수업 2회 진행, 시험 후 리뷰 수업 1회 진행

STA501 기말 시험 예시 및 채점표

아래의 Term Paper 및 Business Case를 풀기 위해 필수적인 수학 & 통계학을 습득할 수 있는지 여부를 검증하는 시험입니다.

학위 과정 중 Term Paper 및 Business Case 예시

실제 수업에서 어떤 방식으로 문제를 다루는지 확인할 수 있도록 일부 과제와 Term Paper를 공개합니다. 정해진 알고리즘을 반복 구현하는 것보다, 주어진 상황과 데이터의 변화에 따라 어떤 모델을 선택하고 왜 그렇게 판단하는지를 설명하는 데 초점을 둡니다. (Learn to Think, Learn to Reason)

기타 교재

COM100은 Python 환경 설정과 VS Code 사용에서 시작하여 가상환경, 디버깅, 테스트, Git, Linux/WSL, Docker 등 데이터 분석에 필요한 기본적인 프로그래밍 환경과 협업 도구를 다룹니다. 이러한 내용은 AI/Data Science의 학문적 본과정을 시작하기 위한 선수 역량으로 판단하여 정규 학위과정 시작 이전에 배포했으며, 0학점 과정으로 운영했습니다.

Technical track / business track 구분

  • Tech track: 위의 2 과목 평균 60점 이상, 1과목 당 최소 50점 이상

Biz track 희망자

  • Option 1. Tech track 시험 - 25점 이하 탈락
  • Option 2. Essay 및 발표 - 논리적 사고력 확인

4. 지원 방식

아래의 이메일로 지원 템플릿에 맞춰 제출하시기 바랍니다

  • Email: [email protected]
  • Email body:
    • Title: [SIAI Application] Program Name + Full name
    • Body: Name, Past school + major, Personal statement

Sample

From: [email protected]
To: [email protected]

Title: [SIAI Application] MBA AI/BigData (Technical track) - Gildong Hong

Body:

  • Name: Gildong Hong
  • BS in Mechanical Engineering - Korea Science University
  • MS in Mechanical Engineering - Korea Technology University

Personal staement - Why SIAI GSB? Why I want to be AI/Data Science expert

I have been driven by coding-focused programs for the past 10 years…

5. 학비

  • 수업료: 각 CHF 1,500
  • 논문 예비 심사: CHF 500
  • 논문 수업: CHF 2,000

Zurich 현지 이동 비용은 자부담. 숙박은 SIAI 여름 학회 행사 중 함께 제공

6. 장학금

RA 선발 요건은 수리적인 전개를 담은 소논문을 지원할 수 있느냐 여부로 결정합니다.

Zurich의 RA 임금은 CHF 25/hour 입니다.

7. 관련 문의

한국어 정보는 아래의 Thread를 참고하시기 바랍니다.

2

한국어 지원 방식

  • 강의 영상
  • 문제 풀이 영상
  • 현장 지도

부문에서 한국어로 지원이 있습니다.

그 외 발표 자료 제출, 시험 자료 제출, 학사 지원 등은 일괄 영어로 진행됩니다.

더불어 한국 학생들이 수업을 따라오는데 어려움을 많이 겪는 것을 장기간 목격한만큼, 영어 교육 과정에서는 포함되지 않는 각 수업 별로 시험 전/후 지원, 발표 전/후 지원이 추가로 제공됩니다.

3

Multi-city track 관련

SIAI GSB 측에서는 Multi-city track을 통해 해외 각 국의 학생들에게 현지 지원을 제공하는 것을 목표로 프로그램 운영을 개선하는 중입니다.

현재는 Dubai track을 제공하는 것만 계획하고 있습니다만, 아시아 학생들에게서 유의미한 다른 결과가 나올 경우에는 싱가포르/베이징/상해/홍콩/서울/동경 등의 주요 도시 중 1-2 곳을 선정할 계획입니다.

4

Gordon Institute와 합의한 지원자 풀이 갖춰질 경우, 예비 과정은 아래의 스케줄로 운영될 예정입니다.

  • 10월, 11월: 온라인 수업 수강
  • 11월 28일 1차 수업
  • 12월 2일 2차 수업
  • 12월 12일~13일 Take home exam
  • 12월 14일 점수 발표
  • 12월 31일까지 등록
  • 2027년 1월부터 2nd Term 교육 과정 진행
5

국내에서 들었던 일부 왜곡된 평가들 중에 아래의 내용들이 있습니다.

1.코딩을 안 가르치면서 AI를 가르친다고 주장한다 → X

COM100은 Python 환경 설정과 VS Code 사용에서 시작하여 가상환경, 디버깅, 테스트, Git, Linux/WSL, Docker 등 데이터 분석에 필요한 기본적인 프로그래밍 환경과 협업 도구를 다룹니다. 이러한 내용은 AI/Data Science의 학문적 본과정을 시작하기 위한 선수 역량으로 판단하여 정규 학위과정 시작 이전에 배포했으며, 0학점 과정으로 운영했습니다.

COM501은 수학·통계학 기초 훈련을 마친 학생들이 프로그래밍을 계산과학(scientific computing)의 도구로 활용하는 방법을 배우는 첫 과목입니다. 공개된 Term Paper에서는 동일한 수학적 문제를 서로 다른 계산 방법으로 근사하고, 각 방법의 오차, 수렴 속도, 계산 효율성과 적용 조건을 비교하도록 요구합니다.

공개된 Term Paper의 경우는 금융수학을 일정부분 공부해야 하는 부분이 있습니다만, 해당 부분은 기초 Python 코드를 제공하고, COM501 수업 시간 중에 배운 수학 프로그래밍 방식을 통해 데이터 변환 방식 별 결과값을 차이를 정리하도록 하는데 초점을 맞추고 있습니다.

COM501은 제가 Mathematical Finance 박사과정 중 TA로 참여했던 석사과정 수업에서 일부 아이디어를 가져와 재구성했습니다. 당시 담당 교수로부터 해당 수업 역시 Stanford의 Managerial Engineering 석사과정 수업을 참고했다는 설명을 들었으나, SIAI의 COM501은 고급 확률론과 stochastic calculus 등을 제거하고 학부 수준의 AI/Data Science 교육 목적에 맞게 별도로 재설계한 과목입니다.

고급 수학을 제거하고, 학부 2학년 AI/Data Science 과정에 맞춤형으로 변형 시킨 부분에서 SIAI GSB 특화 과목들 중 하나라고 평가합니다.

2.경제학을 AI라고 주장한다 → X

STA501, STA502, STA503은 실제로 영국 주요 대학들의 계량경제학 학부 2학년 과정을 활용했습니다.

위의 STA501 과목의 경우, 큰 1, 2번 문제 모두 작은 1번~10번 중 1-4번은 계량경제학을 변형한 문제들인 것은 맞습니다. 그러다, 5번~10번 문제들은 미국 주요 대학들의 Data Science 과정에서 통계학 훈련 과정으로 활용하는 문제들을 변형했습니다.

전반적으로 계량경제학을 활용한 것은 맞습니다만, 12개 수업 중 수학 & 통계학 기초를 탄탄하게 쌓는 초기 3개 과목에 활용한 것을 학위 과정 전체로 해석하는 것은 부적절한 확대 해석입니다. 유사한 이름의 과목들을 단순한 기초 Python, 혹은 Excel로 가르치고 있는 일부 저급 교육 과정과 비교해서 생긴 오해라고 판단됩니다.

무엇보다, 글로벌 명문대들이 운영하는 고급 AI/Data Science 과정은 이미 수학 & 통계학을 갖추고 있는 상태인 학생을 받는데, 저희는 그런 훈련이 전혀 되지 않은 평범한 한국 학생들, 혹은 훈련이 되었더라도 사고력 훈련이 아니라 암기식 훈련 밖에 되지 않은 학생들이 대부분인 탓에 어쩔 수 없이

  • 학부 2학년 수준의 수학 & 통계학
  • 사고력 훈련도를 점검하는 문제들

을 추가한 교육 과정을 만들었습니다.

STA 3과목 및 BUS 3과목은

  • 글로벌 최상위권: 수학·통계학 선수지식을 요구하는 연구중심 대학의 고급 AI/Data Science 과정
  • 전문대 및 학원: 전혀 수학 & 통계학 훈련이 안 된 학생들을 대상으로 하는 가벼운 학위 과정

사이에서 절충점을 찾고, 그런 제한된 지식 범위에도 불구하고 배운 지식을 기업 현장에서 쓸 수 있다는 것을 체득할 수 있도록 만들어진 SIAI GSB 특화 과목들입니다.

실제로 위의 STA 3과목을 매우 잘 극복해낸 학생들은 이후 과목들에서 높은 성적을 받은 반면, STA 3과목 성적이 F학점 근처임에도 끌고 갔던 학생들이 교육과정의 핵심인 COM 수업에서 계속 F를 받고 자퇴를 결정했던 점, F학점을 피하더라도 논문을 못 쓰고 있는 점 등을 감안하면, STA 과목들의 효과를 새삼 확인할 수 있다고 평가합니다.

3.수학을 가르치지 AI를 가르치지 않는다 → X

위의 Machine Learning 교육 과정과 더불어, Deep Learning, Reinforcement Learning 등의 COM 수업들은 계산과학이라는 학문이 이미 1980년대, 늦어도 2000년대 초반부터 가르치던 내용들을 2020년대 버전으로 업그레이드 한 과목들입니다.

시장이 AI라고 이름붙인 계산 중심의 계산과학에 필요한 최소한 수학들을 담았고, 역시 글로벌 명문대들에서 운영되는 학위 과정을 상당부분 벤치마킹 했습니다.

제 개인적으로는 더 고급 수학을 쓰면서, 글로벌 최상위권 대학들과 동급의 교육을 운영하고 싶습니다만, 해당 과정은 MSc AI/Data Science로 이전하고, 최대한 수학을 덜어내서 만든 과목들을 본 교육 과정에 추가했고, 역시 타 대학에서 보기 힘든, SIAI GSB 특화 과목들이라고 할 수 있습니다.

더 이상 코딩을 배우려고 하지 않는 시대가 된 것처럼, 한국인 일반의 인식이 성장하면 해결될 문제라고 생각합니다만, 위에 공개된 교재, 시험 문제, Term Paper 등의 강의 자료들을 통해 직접 확인하시기 바랍니다.

교육의 중심이 개발자를 만드는 것이 아니라 AI 연구인력 또는 연구 보조인력에게 필요한 수리적·통계적·계산적 사고력을 훈련하는 것에 있었던 만큼, AI 인력을 주로 소프트웨어 개발 역량과 코딩 숙련도로 평가해 온 국내 시장의 일부 관행과 교육 철학 사이에 간극이 컸던 것이 이러한 오해의 주된 원인이었다고 생각합니다.

이번에 공개한 자료들은 SIAI GSB의 전체 강의자료를 공개하기 위한 것이 아니라, 그동안 교육과정에 대해 제기됐던 대표적인 오해를 독자들이 직접 확인할 수 있도록 제공하는 제한적인 예시 자료입니다. 상당한 시간과 비용을 들여 제작한 교육 콘텐츠인 만큼, 그 외의 강의자료와 시험·과제 자료들은 원칙적으로 재학생을 위한 교육 자산으로 유지할 예정입니다.