Coursera로 완성한 컴퓨터과학 학위, 직장과 학업을 병행한 3년 9개월의 온라인 학위 경험

온라인 교육 플랫폼이 보편화되면서 학위 취득 방식도 크게 변화하고 있습니다. 특히 Coursera와 대학이 협력하여 운영하는 온라인 학위 과정은 시간과 장소의 제약 없이 학업을 이어갈 수 있다는 점에서 많은 관심을 받고 있습니다.

이번 글에서는 약 21년의 기술 경력을 가진 소프트웨어 개발자이자 머신러닝 엔지니어가 Coursera를 통해 런던대학교(University of London) 컴퓨터과학 학사 과정을 약 3년 9개월 만에 마친 경험을 바탕으로, 온라인 학위의 운영 방식과 비용, 학습 난이도, 장단점, 그리고 AI 시대에 변화하는 교육 환경까지 정리해 살펴보겠습니다.

반응형

---

경력 개발자가 다시 학위를 선택한 이유

필자는 약 21년 동안 IT 업계에서 활동했으며, 그중 약 14년을 소프트웨어 개발자와 머신러닝 엔지니어(MLE)로 일했습니다.

학위가 없어도 경력에는 큰 문제가 없었습니다.

• 호주에서는 학력보다 실무 경험을 중요하게 평가하는 문화가 있었으며
• 다양한 자격증과 온라인 강의(MOOCs), 기술 서적, Kaggle 등을 통해 필요한 지식을 꾸준히 습득해 왔습니다.
• 자신을 독학(Self-taught)보다는 다양한 학습 자원을 활용한 Self-educated에 가깝다고 평가했습니다.

하지만 해외 취업을 준비하는 과정에서 학위의 필요성을 체감했습니다.

과거 미국 기업 채용 과정의 최종 단계까지 진행했지만, 미국 취업 비자인 E-3 비자 발급 조건 중 하나가 학사 학위라는 사실을 알게 되었고, 이후 정식 학위를 취득하기로 결정했습니다.

또한 단순히 학위를 얻기 위한 목적뿐 아니라, 자신의 지식 공백을 체계적으로 메우고 실제 학습 방법을 실험해 보고 싶었다는 점도 중요한 동기였습니다.

---

Coursera 기반 온라인 컴퓨터과학 학위는 어떻게 운영될까?

이 과정은 100% 온라인으로 진행됩니다.

다만 모든 운영을 Coursera가 담당하는 것은 아닙니다.

역할은 다음과 같이 나누어집니다.

구분	담당
강의 시청, 퀴즈, 과제 제출, 실습	Coursera
프로그램 운영	University of London Worldwide
채점 및 평가	Goldsmiths, University of London
시험 감독	Inspera 원격 감독 시스템

즉, Coursera는 학습 플랫폼 역할을 수행하며 실제 학위 운영과 평가는 대학이 담당하는 구조입니다.

온라인 과정이지만 일반 대학과 마찬가지로

• 중간 과제
• 기말시험 또는 기말 프로젝트
• 원격 감독 시험

등을 모두 수행해야 합니다.

---

입학 조건과 Performance-Based Admission(PBA)

기본 입학 조건은 고등학교 졸업입니다.

하지만 일반적인 입학 조건을 충족하지 못하는 지원자를 위해 Performance-Based Admission(PBA) 제도가 제공됩니다.

PBA 과정에서는

• Introduction to Programming I
• 수학 과목 1개

를 먼저 이수해야 하며, 두 과목을 모두 통과하면 정식 학위 과정으로 진입할 수 있습니다.

특히 이 과목들은 이후 학위 성적에도 반영되므로 별도의 준비 과정이 아니라 실제 학위의 일부로 인정됩니다.

---

학위 비용과 수강 방식

학비는 모듈 단위로 지불합니다.

필자의 경우 호주 기준으로

• 모듈당 약 £823
• 총 학위 비용 약 £17,000
• 한화 약 3,500만 원 수준

이 소요되었습니다.

학교에서 안내하는 전체 비용은 학습 속도와 거주 국가에 따라

• £14,666 ~ £21,829

범위로 달라질 수 있습니다.

또한 일부 Coursera Professional Certificate는 기존 과목을 대체할 수 있어 비용과 학습 기간을 줄일 수 있었습니다.

필자는 다음 3개 과목을 인정받았습니다.

학위	과목대체 자격증
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

이러한 Recognition of Prior Learning(RPL)을 활용하여 한 학기 정도의 학습 기간을 단축할 수 있었습니다.

---

직장과 학업을 병행하는 현실적인 부담

온라인 학위라고 해서 난이도가 낮지는 않았습니다.

각 과목마다

• 중간 과제
• 기말 프로젝트 또는 시험
• 실습 과제

가 포함되어 있었으며, 과제의 난이도도 상당히 높은 편이었습니다.

특히 후반부로 갈수록 학습량이 크게 증가했습니다.

필자는 평균적으로 한 세션당 약 3개 과목을 수강했으며 마지막에는 4개 과목을 동시에 진행했습니다.

시험 기간에는

• 새벽 4시에 일어나 시험을 치르고
• 낮에는 회사 업무를 수행하며
• 저녁에는 과제를 작성하는 생활을 반복했다고 설명합니다.

온라인 과정이지만 상당한 시간 투자와 꾸준한 자기 관리가 요구되는 과정이었습니다.

---

실제 학습 과정에서 진행한 프로젝트

과목은 일반적인 컴퓨터과학 학사 과정과 유사하게 구성되어 있으며 대부분 실습 중심입니다.

대표적인 프로젝트는 다음과 같습니다.

• JavaScript 게임 개발
• Pool Simulation 구현
• DJ 시뮬레이터 개발
• 신호 처리 프로젝트
• 웹 데이터 수집 및 분석
• 진화 알고리즘 프로젝트
• Apple Silicon 환경에서 동작하는 유방암 판독(Mammography Classifier) 프로젝트

단순히 이론 중심이 아니라 실제 개발 경험을 쌓을 수 있는 프로젝트가 다수 포함되어 있다는 점이 특징입니다.

---

함께 공부하는 글로벌 학생 커뮤니티

온라인 과정의 또 다른 장점은 다양한 국가의 학생들과 함께 학습할 수 있다는 점입니다.

Coursera에서는 학생 전용 Slack 워크스페이스를 제공하며,

• 과제 공유
• 질문과 답변
• 학습 자료 공유
• 졸업생의 멘토링

등이 활발하게 이루어졌습니다.

특히 다양한 배경을 가진 학생들의 사례가 인상적이었다고 소개합니다.

예를 들어

• 전쟁 중에도 학업을 이어간 학생
• 독학으로 웹 개발 회사를 운영하며 학비를 마련한 학생
• 육아와 직장을 병행하며 학사와 석사를 함께 마친 학생
• 난민 캠프에서 태양광 충전과 모바일 데이터를 이용해 학습한 학생

등 다양한 환경에서도 학습을 지속하는 사례들이 큰 동기부여가 되었습니다.

---

온라인 학위의 아쉬웠던 점

전반적인 만족도는 높았지만 개선이 필요한 부분도 있었습니다.

성적 발표가 매우 늦다

가장 큰 불만은 성적 확인까지 약 3개월이 걸린다는 점이었습니다.

중간 과제 피드백을 기말 제출 직전에 받는 경우도 많아 학습에 반영하기 어려웠으며, 낙제 후 재시험도 최대 1년 뒤까지 기다려야 하는 상황이 발생할 수 있었습니다.

그룹 프로젝트의 어려움

무작위로 구성된 팀에서 실제 참여하지 않는 학생이 있는 경우가 적지 않았습니다.

일부 프로젝트에서는 마지막에 참여한 학생까지 함께 평가받는 사례도 있었다고 설명합니다.

플랫폼 사용성

Coursera와 시험 플랫폼인 Inspera 모두 개선이 필요한 부분이 있었습니다.

대표적으로

• 시험 완료 여부가 제대로 반영되지 않는 문제
• 제출물 수정 시 전체 파일을 다시 업로드해야 하는 구조
• 시험 중 오탐(False Positive)으로 감독 프로그램이 종료되는 사례

등이 학습 과정에서 스트레스를 주는 요소로 언급되었습니다.

---

효율적으로 학습하기 위한 운영 팁

필자는 학습 과정에서 효과적이었다고 느낀 방법도 함께 공유했습니다.

과제는 가능한 빨리 시작하기

완성도를 처음부터 높이기보다 우선 제출 가능한 버전을 만든 뒤 지속적으로 개선하는 방식이 효과적이었다고 설명합니다.

제출 체크리스트 만들기

온라인 제출에서는 파일 누락이 자주 발생하기 때문에

• 제출 화면 캡처
• 체크리스트 작성
• 업로드 여부 확인

등을 습관화하는 것이 도움이 되었습니다.

일정한 공부 시간 유지

필자는 업무 특성상 퇴근 후 공부가 어려웠기 때문에 매일 새벽 시간을 활용해 꾸준히 학습했습니다.

핵심 선수 과목 먼저 이수하기

후속 과목의 선수 조건이 되는 과목을 우선적으로 완료하면 재시험으로 인해 전체 학습 일정이 지연되는 위험을 줄일 수 있다고 조언합니다.

---

AI 시대에 변화한 온라인 학위 운영

필자는 ChatGPT 등장 직전에 학위를 시작했기 때문에 AI 기술이 교육 환경을 변화시키는 과정을 직접 경험했습니다.

가장 큰 변화는 시험 감독과 AI 활용 정책이었습니다.

최근에는

• 시험 감독 강화
• 치트시트 제거
• 동일 시간 시험 실시
• AI 사용 정책 도입

등이 적용되었습니다.

평가에서의 AI 활용은 세 단계로 구분됩니다.

단계	내용
Level Zero	AI 사용 금지
Level One	브레인스토밍·구조화 등 제한적 사용 가능(사용 사실 공개 필요)
Level Two	AI 활용이 과제 일부로 요구됨

특히 AI 생성 결과를 그대로 제출하는 행위는 계약 대행(Contract Cheating)과 동일한 부정행위로 간주됩니다.

교육기관은 AI 활용 능력을 교육하면서도 학습 자체를 AI에 의존하지 않도록 균형을 맞추는 방향으로 정책을 발전시키고 있습니다.

---

728x90

이번 사례는 온라인 학위가 단순히 영상을 시청하는 수준의 교육이 아니라, 정규 대학 과정과 유사한 수준의 과제와 평가를 요구하는 학습 과정임을 보여줍니다.

Coursera 기반의 런던대학교 컴퓨터과학 학위는 직장과 병행할 수 있는 유연성을 제공하지만, 상당한 시간 투자와 자기 주도적인 학습 습관이 반드시 필요합니다.

또한 기존 경력자라도 학위를 통해 체계적인 컴퓨터과학 지식을 보완하고, 해외 취업이나 학문적 기반을 강화할 수 있다는 점을 확인할 수 있었습니다.

한편 AI 기술의 발전은 온라인 교육 환경에도 큰 변화를 가져오고 있으며, 앞으로는 AI를 효과적으로 활용하면서도 학습의 본질을 유지할 수 있는 평가 방식과 교육 정책이 더욱 중요해질 것으로 기대됩니다.

300x250

https://notesbylex.com/completing-a-computer-science-degree-on-coursera

Completing A Computer Science Degree On Coursera