과학 컴퓨팅 교육 수요와 성장 추세 분석

초록

SciNet HPC 센터가 지난 6‑7년간 제공한 과학·고성능·데이터 과학 교육 프로그램의 등록·수강·인증 데이터를 기반으로, 전체 수요의 지속적 증가, 데이터 과학 교육의 급격한 확대, 전통적 물리·공학 분야 외의 학문 분야 참여 확대 등을 확인하였다. 또한 교육이 대학원 교과목으로 정식 편입되는 과정도 조명한다.

상세 분석

이 논문은 캐나다 토론토 대학교 산하 SciNet HPC Consortium가 운영한 온라인 학습 관리 시스템(ATutor)에서 수집한 1800명에 이르는 사용자들의 등록·출석·수료 데이터를 7년간 추적·분석한다. 데이터는 ‘고성능 컴퓨팅(HPC)’, ‘과학 컴퓨팅’, ‘데이터 과학’, ‘세미나’ 네 가지 카테고리로 정제되었으며, 성별·전공 분야 정보와 결합해 인구통계학적 변화를 파악한다.

첫 번째 주요 결과는 전체 교육 수요가 연평균 20 % 이상 성장했으며, 특히 데이터 과학 트랙의 등록자는 매년 30 % 이상 증가해 가장 빠른 성장세를 보였다는 점이다. 이는 전통적인 물리·천문·화학 등 ‘전통적 HPC 사용자’ 외에 생물·의학·사회과학·인문학 등 비전통 분야 연구자들의 참여가 급증했기 때문이다. 논문은 이러한 현상을 ‘컴퓨팅 지식 격차’를 메우기 위한 외부 교육 수요 증가와 연결짓고, SciNet이 제공한 실습 중심 워크숍·세미나·그라듀에이트 스타일 코스가 이러한 요구를 충족시켰다고 평가한다.

두 번째로, 교육 포맷별 효율성을 비교한다. 짧은 1시간 세미나는 최신 기술·연구 동향을 빠르게 전파하는 데 유용하지만 깊이 있는 지식 전달에는 한계가 있다. 반면 반나절~이틀 워크숍은 실습 중심으로 특정 툴(예: MPI, OpenMP, CUDA, R, Python) 습득에 적합하고, 연간 여름 학교는 여러 트랙을 동시에 제공해 종합적인 교육 경로를 만든다. 가장 효과적인 포맷은 주 2회 강의와 과제 기반 평가가 결합된 ‘그라듀에이트 스타일 코스’로, 이 코스들은 학점 인정 및 대학원 교과목 편입을 통해 공식적인 학습 성과를 제공한다.

세 번째로, 인증 제도(Certificate)의 설계와 영향력을 분석한다. 36학점(강의시간 기준) 이상을 이수하면 ‘과학 컴퓨팅’, ‘고성능 컴퓨팅’, ‘데이터 과학’ 중 하나의 인증을 받을 수 있다. 특히 데이터 과학 인증은 2015년 도입 이후 가장 빠르게 신청자가 늘었으며, 이는 인공지능·딥러닝에 대한 학계·산업계 수요와 맞물린다. 인증은 학습 동기를 부여하고, 이력서·연구비 신청 시 공식적인 역량 증명 수단으로 활용된다.

마지막으로, 대학원 교과목으로의 정식 편입 과정을 살펴본다. SciNet은 물리학, 의학·생물통계, 환경과학 등 세 부문과 협업해 ‘PH Y1610’, ‘MSC1090’, ‘EES1137’ 등 학점 인정 과목을 만들었다. 이 과정에서 강의 자료와 과제는 기존 온라인 플랫폼에 그대로 유지되며, 부교수·강사 역할을 하는 SciNet 분석가가 세션 강사로 참여한다. 결과적으로 교육 부담을 파트너 부서가 일부 분담하고, 학점 인정이라는 제도적 가치를 부여함으로써 지속 가능한 교육 모델을 구축했다.

전반적으로 논문은 HPC 센터가 단순 인프라 제공자를 넘어, 데이터 과학·AI 시대에 맞춘 포괄적 교육 허브로 진화하고 있음을 실증적으로 보여준다. 향후 연구에서는 학습 성과(시험 점수·프로젝트 결과)와 연구 생산성(논문·소프트웨어 배포) 간의 정량적 연관성을 탐색하면 교육 효과를 더욱 명확히 할 수 있을 것이다.