정보) 컴퓨터공학과의 여러 가지 분야
안녕하세요, 코딩하는 알로스입니다.
정말 오래 기다리셨습니다! 이렇게 칼럼으로 찾아뵙게 되어 좋네요 ㅎㅎ
오늘의 칼럼 주제는,
여러분께서 가장 궁금해 하셨던 컴퓨터공학과와 관련된 정보입니다!
저의 홈 필드이기도 해서, 주변 선배님들의 도움도 더욱 많이 받을 수 있었던 것 같습니다.
그럼 시작하겠습니다!
컴퓨터공학과가 어떤 Professional한 분야로 진출하는지 보겠습니다.
1. Front-End
웹 개발의 기준으로 설명을 드리겠습니다.
사용자와 직접 맞닿아있는 분야라고 알려져 있는 Front-End 분야입니다.
우리 눈에 보이는 부분을 개발하기 때문이죠.
웹페이지의 레이아웃과 애니메이션, 그리고 서버와의 api통신 함수 등을 이용해서 사용자와 직접적으로 맞닿아 있는 모든 부분을 개발합니다.
해당 분야에 필수인 언어는 대체로 JS/html/css 라고 하며,
특히 JS를 싫어하는 사람이라면 아마 해당 분야의 개발을 하는 데에 어려움을 많이 겪지 않으실까 생각합니다.
실제로 일부 컴퓨터공학과 전공자 분들 중에 JS를 잠깐 맛 본 것 뿐임에도 불구하고, 그 문법의 괴상함에 질려 해당 분야 쪽 진로를 포기한 경우도 더러 있다고 합니다.
(JS가 프로그래밍 변태의 언어의 일종이라고 불리는 이유 중 하나예요...)
2. Back-End
Front-End가 눈에 보이는 모든 부분을 개발한다면, 눈에 보이지 않는 부분을 다루는 것은 Back-End 개발자입니다.
다르게 표현하자면 서버 개발자라고 할 수 있죠.
간단한 비유를 통해 설명 드리겠습니다.
Front-End가 도구들(API)을 이용해 조각상을 깎는 사람들이라면,
Back-End 개발자들은 도구들(API)을 직접 만들어주고 구현해주는 사람들이라고 할 수 있습니다.
여기서 API는 ‘함수’라고 표현되기도 합니다!
Front-End는 함수를 호출하고 섞고 흔들어서 어떤 프로그램을 만드는 사람들이라면,
Back-End는 함수 그 자체를 내부적으로 구현하고, 함수의 logic을 개선해서 보다 더 빠르고 더 많은 기능을 제공하는 함수를 만드는 일을 하는 사람들이라고 할 수 있습니다.
Back-End 분야는 이런 API 말고도 외적으로도 많은 일을 하고 있는데요,
수많은 유저들이 들이닥칠 때 발생하는 엄청난 양의 트래픽*들을 관리하거나, Database를 설계하는 것 등등 매우 중요한 일들을 하고 있습니다.
(*트래픽 : 서버와 스위치 등 네트워크 장치에서 일정 시간 동안 흐르는 데이터의 양)
3. Mobile Application
경우에 따라 Front-end로도 분류되는 분야인데요,
이름에서부터 아시다시피 우리가 사용하는 모바일 앱을 개발하는 분야입니다.
해당 분야에는 크게 3개의 종류가 있습니다.
- Cross Platform
- iOS
- Android
Cross Platform을 처음 들어보신 분들을 위해 간략히 설명하자면,
하나의 기술을 이용해 iOS와 Android 가리지 않고 다양한 Platform에서 시스템이 돌아가게 하는 것을 의미합니다.
오랜 세월동안 자리를 차지한 강자 React Native, 최근 무섭게 각광받는 신흥 강자 Flutter가 대표적입니다.
iOS와 Android에서 각각 사용하는 대표적인 언어가 있습니다.
iOS는 Swift, Android는 Java/Kotlin이라는 언어를 주로 사용한다고 합니다.
(여담으로, iOS개발을 위해서는 맥북이 선택이 아닌 필수라고 하네요.)
4. Data Scientist / Data Engineer
말 그대로 데이터 자체를 다루는 분들입니다.
데이터를 쪼개고 합치고 분석하는 것을 통해 근미래예측/전략제시 등, 마치 예언자나 마법사와 같은 일을 하시는 분들이라고 할 수 있습니다!
서강대학교의 경우, 경영학과에서 해당 분야를 스터디하는 데이터 분석 학회가 있고 실력 있는 분들은 대학교 재학 중에도 Data Scientist가 되어 몰두센 등 선호 IT기업 등으로 입사하는 경우가 있어요.
(경영학과 학회임에도 불구하고 컴퓨터공학과의 색채가 많이 묻어있어 이 학회에 소속된 경영학과 분들은 컴퓨터공학과까지 복전하시는 경우가 많습니다!)
5. Machine Learning / Artificial Intelligence
설명이 필요없죠. 말 그대로 기계 학습과 인공지능입니다.
매우 어려운 분야로, 코딩은 물론이고 통계학과 수학에 대한 지식이 필요합니다.
컴퓨터공학과의 여러 분야 중 특히 학구적이고 수학적인 분야라는 평이 많습니다.
해당 분야도 학교 내 머신 러닝 학회와 딥러닝, Python 등을 개발 연습할 수 있는 학부 수준의 연구실 등을 활용하여 ML엔지니어가 되는 경우가 있다고 하네요!
6. DevOps
여러분들이 프로젝트를 진행하시다 보면,
개발 환경의 구축과 배포 등 실제 개발 외에 정말 까다롭고 복잡한 부분이 많다는 것을 알게 됩니다.
이런 부분을 처리하는 해결사가 바로 Devops입니다.
가장 널리 알려진 건 클라우드와 컨테이너 분야가 있다고 합니다.
상황을 하나 가정해 보겠습니다.
우리가 똑같은 코드를 실행해도 컴퓨터 A에서는 돌아가고 B에서는 안 돌아가는 경우가 있습니다.
무슨 이유에서 일까요? 바로 컴퓨터의 환경이 다르기 때문이죠.
이런 환경의 차이와 셋업의 차이를 극복하기 위해 컨테이너(도커, k8s)와 클라우드 등 다양한 기술을 쓰고 있습니다.
개발이라기 보다는 수많은 코드와 파일들을 매니징하고 설치하고 배포를 하는, 또 다른 분야입니다.
이렇게 컴퓨터공학과의 각 Professional 분야에 대해 간략하게 알아보았습니다!
정말 다양하고 전문적인 분야들이 많았기에, 과 선배님들의 많은 도움을 받고 스스로 정보를 찾아보는 데에 시간을 다른 칼럼들에 비해 많이 투자한 것 같습니다.
물론, 컴퓨터공학도 분들께서 해당 분야 말고도 더 다양한 분야에 진출하실 뿐만 아니라 정말 case by case이기 때문에 진출하신 분들마다 정보에 차이가 있으실 수 있습니다.
혹시 설명에 추가하거나 보완이 필요할 거 같은 정보가 있다면, 언제든지 댓글로 적어주시면 감사하겠습니다!
제가 오늘 준비한 칼럼은 여기까지입니다!
다음 편에는 바로, 여러분들이 그토록 기다리신,
서강대학교 컴퓨터공학과를 주제로 다룬 칼럼을 여러분들께 드리도록 하겠습니다.
감사합니다!
0 XDK (+0)
유익한 글을 읽었다면 작성자에게 XDK를 선물하세요.
-
술은 시작도 안할꺼임뇨
-
1년 뒤에 보자 5
이번엔 3칸이지만 내년엔 9칸이다 시발놈의새끼야
-
나랑 잘 맞는데 반수해버렸지 뭐야
-
대깨설 왤케많누 3
표본보는데 신기함
-
동국대 법학vs경영vs회계 무슨 학과 쓸까요.. 가장 좋아하는 건 법학인데 성적만...
-
얼버기 2
-
과 3개정도 표본분석 대신 해주실 분 원서지원 3일 전부터 40+@ 드려요
-
언매해도 될라나 시간은 20분 걸렸는데 화작보다 나은거같음 화작 가 - 나 합쳐서...
-
더 편했던 것 같기도.. 워낙 심란한 일들이 많아서리 이 개같은 시험을 더 할것도...
-
.
-
-
과외 선생님께서 어떤 방식으로 수업하셨을 때 가장 만족도가 높으셨나요? 인강처럼...
-
n수 해버리면 메디컬 말고는 할 수 있는게 아무것도 없는데 그걸 했다고 과연...
-
.
-
-
내일도 춥나 11
내일 도서관 갔다와야하는데.....
-
마킹실수라고 생각하면 너무 억울하니깐 그냥 이 악물고 내가 실력이 없어서 틀린거라고 생각중임
-
남들 다 졸업 준비할 시간에 재수학원다니고 있다는건 이미 영구적인 뇌병변장애가...
-
흠냐 9
냐아~
-
선착 2 7
덕코드림
-
흐흐ㅡ흐
-
조회수 봇 뭐임 1
심야에 갑자기 200 ㅋㅋㅋㅋ 봇이지 뭐~
-
일단 나부터 1/300
-
군대 관련 0
이번에 삼수를 성공해서 대학은 갈 생각인데, 닉네임 보시다싶이 사반수 계획 중에...
-
사망할까
-
파도풀장 ㄹㅇ개재밋는데
-
에휴 자야지 2
잘 자요..
-
그땐 그냥 죽닥치고 공부만 하면 됐으니까 걱정이 없었는데
-
얼버기 7
반가워용
-
얼버기 4
얼버기
-
밤을 새서 아침까지 기다리니 공복을 해결할수있잖아!! 완전럭키비키자나~
-
죽자살자 공부해서 사랑도 버리고 자존심도 버리고 성격 지랄맞은 재벌집 따님 온몸으로...
-
기차지나간당 10
부지런행
-
근데 평가원이 하지말래요...
-
쓸데없는 정이 너무 많음 이걸 어떻게 고치지
-
도파민으로 뇌가 절여짐 11
-
잘자요 10
다들잘자요 오늘하루고생했어요 좋은밤보내요
-
자러가요 4
안녕히주무세요 좋은 꿈 꾸시구요
-
몰랐어
-
시반공에서 빠지는 인원의 대부분은 의대 목표가 아님 내신이 이미 좋은데 수시 한...
-
의대논란언급글 메인갈때마다 블라당했었음
-
4수도실패하면 6
많이무너져내릴것같아요 5수까지실패하면 인생의모든걸다영영잃어버린느낌일것같네요
-
글을 산더미처럼 쌓아서 안보이게함요
-
대한민국 공화국 0
자극적 단어 하나에 신분, 학벌 구분없이 대부분이 선동 당하며, 그것 조치 인지하지...
-
사람 개많네 5
1시간 후에 옴뇨
-
그새 또 올랐었네
-
걍본계로맞팔걸까 고민중
-
사자마자 몇 프로가 떨어지는 거임뇨… 이건 답이 없을 거 같아서 손절해버림..
-
감기가 왜 이리 안 낫는 거지 으으윽 코푸느라힘들어요
-
ㅜ 3
데이터사이언스쪽 ㄹㅇ 관심가네요
이공계 분야의 마법사가 되시려는군요!오... devops쪽은 처음 알았네요
저도 알아보면서 '이런 데도 있었구나' 이랬던 기억이..!
굿굿굿
감사합니다 ㅎㅎ 내일도 기대해주세욤ML분야.. 정말 그 어렸던 나이에 선형대수학을
접해보면서 이해가 안가는 내용은 한국 책에선 도저히
해결이 불가능해서 논문까지 읽어보면서
(이게 제가 정시로 돌린 큰 이유이네요 선형대수학의
전제는 미적분 이라는 어떤 분의 말을 듣곤
“그러면 미적분만 공부하고 올께요! 했는데 그러다보니..
언제 이렇게 된건지 ㅋㅋㅋㅋ ㅠㅠ)
결국 이해를 했던 ptsd가 확 올라오네요!
물론 한국의 어떤 개발 분야든 마찬가지지만
아직 해외에 비하면 한국은 개발자 분들의 커뮤니티가
그렇게 활성화가 안된거 같네요 ㅠ
해외만 봐도 스택오버플로우 라는
정말 좋은 커뮤니티가 활성화 되있는데..
한국은 너무 개인적인 생각이지만
어찌해서든 Si쪽으로 밀어넣으려는 악덕업체들은
많은데 그런 스택오버플로우 같은 좋은 커뮤니티나
해외 원서의 그 짜릿감은 아직 멀은거 같아요
한국 책을 읽고 왓 !! 이런 혁신적인 !!
이러고 있어도 이미 한국 책에 실렸다는건 거의
빨라야 2년 전 기술이더라구요
얼른 알로스님 같은 개발자 분들이 많아져서
한국에서 개발 업무 보시는 분들이나
개발 꿈나무 분들께서 어려움이 없으셨으면 하는
바램입니다 ㅋㅋㅋ ㅠㅠ
오오 감사합니다..!!!
저도 DB쪽이 가장 맘에 드네요4,5..... .
허허
하악하악
서강대에 오시면 빅데이터, 머신러닝 학회 통해 학부졸로도 데이터 사이언티스트, 머신러닝 엔지니어 가능함. 그 분야 능력자들은 몰두센, 당근마켓 행
이거보고 서강컴뽕 임계치 넘어갔다...
추가 정보 감사드립니다!
데이터 사이언티스트가 아마존,우버,에이비앤비에서 그렇게 모셔갈려고 난리라고 하죠….
물론 최소 석사에 보통 박사까지 한다고 하더라고요
그쵸..!! 아무래도 그런 분야 전공하신 분들이 이걸 노리고 석사 학위 이상은 취득한다고 하시니까요.
학사 출신도 있어요
학사 출신도 물론 있죠! 단지 더 고점을 높이기 의해 석사 이상 따시는 분들이 많을 뿐...
프론트엔드는 많이 보였는데 백엔드는 먼가 사람 성향도 뒤에 있든 잘 안보이더라고요
아무래도 프론트엔드 하시는 분들 뒤에서 창조를 하고 계시다보니..블록체인.. 소근소근
항상 좋은 정보글 감사합니다!! 나중에 기회되시면 보안쪽도 알려주세요 ㅎㅎ
넵 알겠습니다!! 글 읽어주셔서 감사해요 ㅎㅎ너무 좋은 글인데 몇가지 첨언만 하겠습니다. 데이터 관련 직군으로 일하는 직업병이라ㅋㅋㅋㅋ
데이터 직무가 사실 아주 넓고 방대합니다... ㅎㅎ
Data Engineer는 대개 사내 인프라를 구축하고 관리하는 역할을 합니다. 서비스를 운용하게 되면 DB를 두는데, 이것은 production db이므로, 사내의 데이터 관련 직군들이 함부로 쿼리를 날릴수가 없습니다. 실질적으로 DB 성능을 저해하기 때문이죠. 그래서 통합 데이터 환경 (Data Infra)를 구축해야하는데, 이것을 하는 직군입니다. 주로 필요한 테크 스택은 네트워킹, Hadoop Ecosystem 정도입니다.
이렇게 만들어진 데이터 인프라를 가지고 다양한 데이터 직군이 분석을 수행하게 됩니다.
Data Scientist는 주로 ML과 맞닿아 있으나, 실질적으로 ML을 한다기 보다는 보조 도구로써 활용하는 직군입니다. Deep Learning 보다는 Explainable한 고전적인 Machine Learning을 사용하는 경우가 많고, 실리콘 밸리에서 돈을 많이 받는 직군이 이쪽입니다. 수학이나 통계적인 지식이 많이 필요하기 때문에... 석사 이상을 요구하는 경우가 많습니다. 이들이 데이터에서 뽑아낸 인사이트들은 사내의 다양한 의사결정 등에 활용됩니다.
Data Anlyst는 비즈니스의 지식과 통계적인 지식을 짬뽕해서 대쉬보드 시각화 등, C-level 들의 비즈니스 의사결정에 도움이 되는 분석을 수행하는 경우가 많습니다. BI 툴을 잘 다루고 통계나 비즈니스에 대한 감각이 필요합니다.
ML Engineer는 정말 모델 코드를 작성하고 실험하는 직군으로 AI 성능을 높이기 위한 다양한 실험을 진행하고 좋은 AI 모델을 발굴합니다. 사실 AI라는게 실질적으로 돈이 되는 정도로 고도화 하기 위해서는 ML Engineer로는 부족할 뿐더러, Infra를 관리하고 Data Quality를 유지할 수 있는 시스템등이 갖춰져야 합니다. 그래서 기업 입장에서는 생각보다 그리 많은 수요가 있지 않습니다..^^ AI 쪽으로 생각하시는 분들은 깊은 고민을 하시고 하는 편이 좋습니다.
오오 추가 정보 감사드립니다!!각 분야마다 너무 다양하고 넓은 길이 있기에 제가 글에 다 담지 못한 점이 너무나 안타깝네요.. 데이터 관련 분야는 더 많이 넣고 싶었어서 아쉬웠는데 이렇게 첨언해주시니 감사합니다!! 좋은 정보 감사드려요 ㅎㅎ
DA 전망은 어떻게 보시나요? 앞으로도 꾸준히 채용할지... 그리고 통계학 학사로도 충분히 가능한 분야죠?
말씀드렸듯이 DA는 비즈니스에 대한 감각이 필요하기에 보통 경영학도가 통계학 관련 자격증을 취득하거나, 산업공학과 같이 공대의 경영학과 같은 과가 상당히 유리합니다. 단순히 통계분석을 넘어, 비즈니스에 도움이 되어야하기 때문이죠.
사실 전망 자체는 그리 밝진 않습니다. 사내에서 DA는 대부분 경영지원팀 이런 부서에서 일하게 되는데요. 개발 부서가 아니다보니 개발쪽으로 성장할 수 있는 기회가 많이 제한되고 시키는 일들을 주로 하게 됩니다. 그래서 많은 DA들이 경험을 살려 다른 직무로 이직하는 케이스를 많이 보긴 했습니다...ㅎ
그렇다해도 마냥 암울한 것은 아닌 것이 회사엔 어쨌든 반드시 필요한 인재이긴 합니다. Data Driven으로 의사결정을 해야한다면 말이죠.
추가 정보 감사드립니다!늦었지만 하나 더 질문드립니다! AI쪽도 DS만큼이나 수학이나 통계학 공부를 많이 해야하나요,?
당연하죠...!! ㅋㅋㅋㅋ 디퓨전 강의 하나 들어보시면 그냥 통계 그 자체입니다..^^
서강 전자공에서 어느 수준까지 코딩 배우는지 아시나요?ㅜㅜ
음 제가 전자공 졸업한 선배님들이나 동기들에게 들은 바로는, C언어와 파이썬을 기초~중급 사이까지 다루는 정도로 코딩을 한다고 듣긴 했습니다..!
유익하네요 ㄱㅅ합니다
사랑합니다 련세여 감사합니다!서강대 원전공 경영학에 컴공을 복전하는 사람많나요?
꽤 많습니다!! 경영학과 분들이 인원이 많아서 그런지, 경영학 본전공 컴공 복수전공 조합을 많이 봤어요..!
(컴공 복수전공 하시는 분들 중에선 원전공이 경영이신 분들이 제일 많을 걸로 예상돼요)
제가 곧 경영으로 가는데 계절로 교양이랑 경영관련된거 다 듣고 1학년부터 컴공시간표랑 비슷하게 갈려하거든요 가능하겠죠??
넵 복전 전용 시간표가 있으니 그거 참고해서 가시면 충분해요!
사이버보안 : ㅠㅠ
으악 제가 그래서 너무 다양하고 많은 분야가 있어서 미처 한 글에 다 담지 못했다고 말씀드린 거 ㅠㅠ
기회가 된다면 추후에 다뤄볼게욤
서강컴 화이팅 ide 뭐쓰시나요
감사합니다 ㅎㅎ
저는 Python으로 프로그래밍 할 땐 Pycharm 쓰고, C++/C로 코딩할 땐 VS(Visual Studio) 씁니다!
이번에 컴과 신입생으로 드가는데 글 감사합니다!
캬 고컴 축하드립니다! GOAT시군용ㅎㅎ 감사합니다!
경제학과에서 컴공을 복전하는 메리트가 있을까요?(아마 서강대에 갈 생각입니다.)