Coursera로 컴퓨터 과학 학위 마치기

• 학위 없이 21년 가까이 기술 경력을 쌓아온 소프트웨어 개발자/MLE가 University of London BSc Computer Science를 Coursera로 수강해 전일제 근무와 병행하며 약 3년 9개월 만에 마침
• 과정은 100% 원격이지만 Coursera는 강의·퀴즈·과제 제출을 맡고, University of London Worldwide와 Goldsmiths가 운영·채점·시험을 나눠 담당함
• 총비용은 거주 국가와 학습 속도에 따라 £14,666~£21,829이며, 호주 거주 기준 실제 지출은 약 £17,000/A$33,000이고 Coursera 자격증으로 3개 모듈을 대체해 비용과 시간을 줄임
• 온라인 학위라도 중간 과제, 기말시험·기말과제, 원격 감독, 6년 완료 제한이 있어 부담이 컸고, 후반부에는 대부분의 자유 시간을 학업에 써야 했음
• 가장 큰 불만은 성적 확인에 약 3개월이 걸려 피드백을 활용하기 어렵고 재시험이 최대 1년 밀릴 수 있다는 점이며, LLM 확산 이후 감독과 AI 정책도 강화됨

학위 전 경력과 시작 동기

• 필자는 약 21년의 기술 경력을 쌓았고, 그중 약 14년은 소프트웨어 개발자와 MLE로 일함
• 고등학교를 일찍 떠난 뒤 MCP, MCSA, A+ 같은 자격증으로 18세에 헬프데스크 일을 시작했고, 이후 소프트웨어 엔지니어링과 머신러닝으로 이동함
• 학위가 없다는 점은 지금까지의 경력에서 큰 장벽은 아니었음
  • 호주에서는 공식 학력보다 경험과 태도를 중시하는 경향이 있다는 말을 들음
  • 스스로를 “self-taught”보다는 MOOCs, 자격증, 책, Kaggle로 필요한 기술을 모은 self-educated에 가깝다고 봄
  • CS50, Andrew Ng의 ML 강의, fastai가 주요 학습 경험으로 언급됨
• 다만 해외 취업 선택지에는 제약이 있었음
  • 젊은 시절 미국 회사 최종 면접 단계까지 갔지만, 호주-미국 E-3 비자에 최소 학사 학위가 필요하다는 사실을 알게 됨
• 학습 자체를 좋아했고, 지식 공백을 확인하며 실제 학습 문제에 Zettelkasten Method를 시험해보고 싶었음

Coursera 기반 원격 학위 구조

• 이 학위는 100% 원격으로 진행됨
• Coursera는 강의 시청, 랩 노트북, 퀴즈, 포럼, 과제 업로드를 담당함
  • 포럼은 강사진과 대화할 수 있는 공간이지만 거의 사용되지 않았음
• 프로그램 운영 주체는 University of London Worldwide이며, 과제와 시험 채점은 Goldsmiths, University of London이 맡음
• 시험은 Inspera proctoring software를 이용한 원격 감독 방식임
  • 다른 학생들에 따르면 COVID 이전에는 현지 교육센터에서 시험을 봤음
  • 2022년에는 짧은 기간 동안 감독 없이 4시간 제한, 오픈 웹/오픈북 방식으로 시험이 진행된 적이 있음
  • LLM의 성공이 감독 도입을 압박했을 가능성이 있다고 봄
• 필자는 대안을 많이 비교하지 않았고, 이미 익숙한 Coursera 플랫폼이 생활 방식에 잘 맞았다고 평가함

입학 조건과 Performance-Based Admission

• 기본 선수 조건은 고등학교 졸업장임
• 대체 경로로 Performance-Based Admission(PBA)이 있음
  • Introduction to Programming I과 수학 모듈 하나를 수강함
  • 두 모듈을 모두 통과하면 전체 학위 과정에 들어갈 수 있음
  • 해당 모듈은 최종 성적에 반영되므로 낭비되는 시간이 아니며, 프로그램이 자신에게 맞는지 확인할 수 있음

비용, 모듈 결제, 세금 처리

• 모듈별로 비용을 지불하는 방식이 필자에게 잘 맞았음
• 호주 거주 기준 모듈 하나의 현재 비용은 £823, 약 A$1,600임
  • 최종 프로젝트는 더블 모듈로 계산되며 약간의 추가 비용이 있음
• University가 공지한 전체 프로그램 비용은 거주 국가와 학습 속도에 따라 £14,666~£21,829임
• 필자의 총비용은 약 £17,000, 약 A$33,000이며 3.5년에 걸쳐 지출됨
• Coursera 구독만 필요한 인정 자격으로 3개 모듈을 대체해 추가 비용을 줄임
• 호주에서는 현재 업무에 필요한 특정 기술이나 지식을 유지·향상하는 학습이면 self-education expenses 공제가 가능함
  • 소프트웨어 엔지니어로 일하면서 컴퓨터 과학 학위를 공부하는 것은 회계사 기준으로 이 조건을 충족함

학업 부담과 진행 속도

• 온라인 과정이라고 해서 쉬운 학위는 아니었음
• 소프트웨어 경력은 익숙한 과목을 이해하는 데 도움이 됐지만, 과제와 시험 부담 자체가 줄지는 않았음
• 각 모듈에는 필수 중간 과제가 있고, 이후 기말시험 또는 기말과제가 이어짐
  • 과제는 길고 어려운 경우가 많았음
  • 시험도 꽤 어려운 편이었음
• 세션당 최대 4개 모듈을 들을 수 있고, 또는 2개 모듈과 최종 프로젝트를 병행할 수 있음
  • 재응시 1개를 추가할 수 있음
  • 전체 과정은 6년 안에 완료해야 하며, 그러려면 세션당 약 2개 모듈이 필요함
• 필자는 PBA 이후 세션당 평균 약 3개 모듈을 들었고, 세션 사이에는 RPL 자격증을 취득함
  • 마지막 세션들에서는 4개 모듈을 수강해 부담이 컸음
• 많은 학생은 4개 모듈을 계속 수강하며, 가능한 최단 완료 기간은 3년으로 보임
• 중간고사와 시험 전 몇 주 동안은 학위가 대부분의 자유 시간을 차지함
  • 후반 모듈로 갈수록 학습량이 크게 늘어남
  • 마지막 2개 세션이 가장 어려웠음
  • 새벽 4시에 일어나 4시간 시험을 보고, 낮에는 일하고, 밤에는 과제를 하는 시기도 있었음

Recognition of Prior Learning으로 대체한 모듈

• University는 다른 곳에서 동등한 모듈을 공부한 경우 Recognition of Prior Learning 대체를 제공함
• 일부 Coursera 자격증은 전체 모듈을 대체할 수 있고, Coursera 구독만 있으면 취득 가능함
• 필자는 3개 모듈을 다음 자격증으로 대체함
  • How Computers Work → Google IT Support Professional Certificate
  • Data Science → IBM Data Science Professional Certificate
  • Machine Learning and Neural Networks → IBM AI Engineering Professional Certificate
• Google 자격증은 첫 세션이 끝나던 2023년 4월에 완료함
  • 주당 10시간 기준 약 3개월이 걸림
• IBM 자격증 2개는 2024년 7월 중간고사 이후 공백기에 연속으로 완료함
  • 당시 정규 모듈 3개도 함께 수강 중이었음
• 이 대체 자격증들은 전체 학위 기간에서 한 세션을 줄이는 효과가 있었음
• 인정 자격 목록은 이후 바뀌었으므로 현재 페이지 확인이 필요함

수강 과목과 프로젝트

• 과목 구성은 일반적인 컴퓨터 과학 학사와 크게 다르지 않았음
  • 수학이 포함되지만 공학 학위보다는 적음
  • 대부분은 실습 중심이었음
• coursework에는 여러 흥미로운 프로젝트가 포함됨
  • 오디오 비주얼라이저
  • JavaScript 게임들, 그중 하나는 pool simulation
  • JUCE로 만든 DJ 시뮬레이터
  • Karl Sims의 1994년 Evolving Virtual Creatures에서 영감을 받은 진화 알고리듬 프로젝트
  • 신호 처리 연습 모음
  • 웹 데이터 스크래핑과 분석 기반 연구 프로젝트들
  • Apple Silicon에서 학습과 실행이 끝까지 가능한 유방암 탐지 mammography classifier 최종 프로젝트
• 최종 프로젝트 코드는 cm3070-final-project에 있음
• 필자의 학습 경로는 다음과 같음
  • 2022년 10월: Introduction to Programming I, Discrete Mathematics / Google IT Support로 How Computers Work 대체
  • 2023년 4월: Introduction to Programming II, Computational Mathematics, Web Development
  • 2023년 10월: Fundamentals of Computer Science, Algorithms and Data Structures I, Software Design and Development
  • 2024년 4월: Object-Oriented Programming, Programming with Data, Graphics Programming / IBM Data Science와 IBM AI Engineering으로 2개 모듈 대체
  • 2024년 10월: Computer Security, Algorithms and Data Structures II, Databases, Networks and the Web
  • 2025년 4월: Professional Practice for Computer Scientists, Databases and Advanced Data Techniques, Artificial Intelligence, Intelligent Signal Processing
  • 2025년 10월: Natural Language Processing, Final Project
• 학생 커뮤니티 자료도 유용했음
  • world-class/notes: 학생들이 강의 노트를 올리는 저장소
  • world-class/REPL: 강의 자료와 리소스 모음
  • 학생들이 과목별 난이도와 지표를 정리한 spreadsheet

함께 공부한 학생들

• 가장 좋았던 부분 중 하나는 다른 학생들과 함께 공부한 경험임
• Coursera는 학생 Slack 워크스페이스로 초대함
  • 공식 담당자가 뚜렷하게 보이지 않는 자유로운 공간에 가까웠음
  • 일부 학생은 채널 사용을 강하게 관리함
  • 일부 동문은 남아 학생을 돕고 질문에 답함
  • 다른 전 학생들은 가끔 트롤성 글을 올림
• 성취도가 높은 학생들이 과제 영상과 스크린샷을 공유하는 문화가 있었고, 인상적인 결과물이 동기부여가 됨
• 전 세계에서 다양한 경력을 가진 학생들이 참여함
  • 우크라이나 전쟁 중 학위를 마친 학생
  • 웹 개발을 독학하고 자체 스튜디오로 학비를 마련한 학생
  • 학위 중 두 번 출산하고, 풀타임 교사로 일하면서 BSc와 석사까지 마친 학생
  • 우간다 난민 캠프에서 태양광 패널로 노트북을 충전하고 모바일 데이터로 공부한 Django
• Django의 이야기는 Shipping a Laptop to a Refugee Camp in Uganda로 이어짐

성적 지연, 그룹 프로젝트, 플랫폼 문제

• 가장 큰 불만은 성적 확인에 약 3개월이 걸리는 점임
  • 중간 과제 성적을 기말 제출 직전에 받는 경우가 많아 피드백을 반영하기 어려웠음
• 모듈을 낙제하면 실패한 부분만 재응시할 수 있음
  • 최종 성적이 다음 세션 시작 뒤에 나오기 때문에, 재응시까지 1년을 기다릴 수 있음
  • 이 점이 과정 참여자들에게 가장 큰 좌절 요소였음
• 그룹 프로젝트도 흔한 불만 요소였음
  • 무작위로 그룹이 배정되지만, 참여자들이 실제로 과정을 하고 있는지 불분명한 경우가 많았음
  • 완전히 유령 그룹인 사례도 많았음
  • 필자는 한 번의 그룹 프로젝트에서 괜찮은 그룹을 만났지만, 마지막 주에 나타난 멤버를 사실상 무임승차시켜야 했음
  • 이후 교과과정이 바뀌어 필수 그룹 프로젝트는 한 과목의 중간 과제에만 남음
• Coursera 플랫폼에는 사용성 개선 여지가 많았음
  • 실제 프로그램과 동기화되지 않는 경우가 잦음
  • 시험이 Coursera 밖에서 끝났다는 사실을 인식하지 못함
  • 제출 시 여러 파일과 영상을 업로드해야 함
  • 제출물을 수정하려면 전체를 다시 업로드해야 하므로, 영상 업로드 뒤 보고서 오타를 발견하면 처음부터 다시 해야 함
• Inspera도 까다로운 소프트웨어였음
  • false positive로 시험 중간에 갑자기 종료되는 일이 많았음
  • 시험 시간이 4시간뿐이고 재시험까지 1년을 기다릴 수 있어 매우 불안한 경험이 됨
• 시험 중에는 추가 지원 인력이 배치됨
  • 그 외 상황에서 실제 담당자와 연락하는 데는 시간이 걸릴 수 있음
  • 필자는 다른 사람들의 결과가 나왔는데 본인 결과가 나오지 않은 적이 있었고, 해결까지 몇 주가 걸림

학습 운영 팁

• 과제는 일찍 시작하고 자주 제출하는 방식이 효과적이었음
  • 먼저 통과 가능해 보이는 end-to-end 버전을 만든 뒤 계속 개선함
  • 과제 내용을 알자마자 진행하고 초안을 제출해 마감 스트레스를 줄임
• 제출물은 반복해서 확인해야 함
  • 제출 누락은 흔한 실수임
  • 프로젝트 제출 체크리스트를 만들고, 제출 화면 스크린샷을 찍고, 업로드된 자산의 S3 URL까지 기록함
• 자신에게 맞는 공부 시간을 찾아 일관되게 유지해야 함
  • 필자에게는 이른 아침이 맞았음
  • 업무가 늦어지는 일이 많아 퇴근 후 공부 시간은 거의 확보하기 어려웠음
• 진행을 막는 blocker 과목을 먼저 처리해야 함
  • Level 5에서는 Object-Oriented Programming과 Software Design and Development가 핵심 과목임
  • 재응시가 필요해지면 진행이 막히고 불필요한 세션이 추가될 수 있음
• 규정을 자세히 읽어야 함
  • 특히 Admission Notice는 이메일로만 오며, 각 시험의 업데이트된 규칙과 시험 날짜 등 중요한 정보를 담음
• Slack의 pinned 메시지도 중요함
  • 문제가 생겼을 때 어떻게 해야 하는지에 관한 유용한 안내가 많이 공유됨

LLM 확산과 AI 정책 변화

• 필자는 ChatGPT 출시 한 달 전에 학위를 시작해, 학위 과정이 LLM 성능 변화에 맞춰 바뀌는 모습을 지켜봄
• 초반에는 ChatGPT로 주차 과태료 이의제기를 하는 글을 흥미롭게 여겼지만, 지금은 매우 사소해 보일 만큼 기준이 바뀜
• 시험 감독은 도입 후 점점 더 엄격해짐
  • 최근에는 cheatsheet가 제거됨
  • LLM으로 cheatsheet를 생성하거나 두 번째 화면을 몰래 쓰는 것을 막기 위한 조치로 추정함
  • 과거에는 24시간 창 안에서 편한 시간에 시험을 볼 수 있었지만, 최근에는 각 반구의 학생들이 같은 시간에 시험을 보도록 바뀜
• LLM은 강의 채널 대화량에도 눈에 띄는 영향을 줌
  • 초반에는 자료 질문과 이해 확인이 활발했음
  • 이후 대화가 줄었고, 사람들이 질문을 LLM에 묻는 것을 선호하는 것처럼 보였음
• 2025년 2월, 학위 시작 약 2.5년 뒤 University는 공식 AI 정책을 도입함
  • 인정 없이 LLM 생성물을 제출하는 것은 contract cheating으로 취급됨
  • 이는 돈을 주고 에세이를 대신 쓰게 하는 것과 같은 범주임
• 평가에서 AI 사용은 3단계 프레임워크로 나뉨
  • Level Zero: AI 사용 불가
  • Level One: 브레인스토밍과 구조화 같은 보조적 사용 가능, 단 선언 필요
  • Level Two: AI 사용이 요구되며, 예를 들어 AI로 결과를 생성하고 그 결과를 비평함
• 교육자는 학생이 교육 전체를 LLM에 외주화하지 못하게 막는 일과, AI가 직업 생활의 일부가 될 가능성이 매우 높다는 현실 사이에서 균형을 잡아야 함

마친 뒤의 평가

• 전체 과정은 3년 반 동안 힘들었고, 특히 아내와 친구들에게 소홀해지는 시간이 있었음
• 학위를 갖게 된 것은 기쁜 일로 남음
• 스스로라면 공부하지 않았을 수학 같은 주제를 배우게 된 점이 특히 좋았음
• 함께 공부한 학생들은 매우 흥미로운 사람들이었고, 필자는 평생 친구가 생겼기를 바람
• 몇 가지 불만은 있지만 시간이 지나며 개선되기를 기대하며, 전반적인 경험은 좋았음