SJSU 강의 회고

지난 8월말부터 12월 중순까지 17주간 SJSU(San Jose State University) Applied Data Science 석사과정에서 "Data Warehouse and Pipelines"라는 과목을 가르치며 느낀 점을 복기해보고자 한다.

• 실리콘밸리내에서 취업률이 높기로 유명한 학교지만 IT 기업의 특히 주니어 채용이 여전히 낮다보니 오피스 아워에 찾아오는 학생들은 대부분 취업은 둘째치고 인턴자리도 없다는 하소연을 했다. 미국 경기가 좋다고 하지만 개발자나 IT쪽은 분명 아니다.

• 위의 이유는 코딩 관련 AI 기술의 괄목할 만한 발전 때문임을 이제는 부인할 수 없다고 보여진다. 함수 레벨의 코딩은 이제 개인이 직접할 이유는 없어 보인다. 프롬프트를 잘 작성하고 검증 케이스만 만들면 충분한 정도로 코딩봇은 발전했다. 당장은 주니어 개발자들에게 영향을 주겠지만 혼자서 코딩에만 열을 올리는 개발자들에게도 곧 부정적인 영향을 주리라 믿는다. 좋은 평판을 만들고 의사 소통이 가능하며 나만이 아니라 내가 속한 그룹에 좋은 영향력을 가진 사람이 되려 할 필요가 더욱 있다.

• 그룹 프로젝트, 랩 등 여럿이 공동으로 하는 작업의 경우 peer review를 이번에도 하기는 했지만 다음에는 성실성과 기여도에 따라 배점을 확실히 다르게 바꿔볼 예정이다. 이번에는 모든 팀원들이 가장 낮게 배점을 준 개인에게는 점수를 확실히 낮게 주었는데 다음 학기에는 이를 분명히 공표하고 팀웍을 강조할 예정이다.

• 매주 나가는 숙제와 4주에 한번씩 본 퀴즈의 경우 배점 비율이 10%씩으로 낮았는데 이를 높이고 중간고사/기말고사/그룹 프로젝트의 비율을 상대적으로 낮출 생각이다.

• Data Warehouse로 Snowflake를 사용하고 Visualization Tool로 Tableau를 사용하는 것을 제외하고 나머지 실습은 모두 Docker과 Google Colab으로 진행하도록 커리큘럼을 수정할 예정이다.

• 숙제와 랩의 채점 기준도 이번 한번 하면서 어느 정도 명확해졌고 결국 어떤 조교를 채용하느냐가 가장 중요하다는 점도 깨달았다. 조교 채용을 회사에서 채용하듯이 잘 따져보려고 채용 기준을 만들었다.

• 학생들과 소통에 대해서도 많이 배웠는데 반복해도 안 듣는 학생들이 있었고 이런 학생들까지 구제해주기 보다는 출석 열심히 하고 잘 따라오는 학생들이 더 유리한 형태로 깜짝 퀴즈등도 고려해볼 생각이다.

한 학기지만 학생들을 가르치며 취업의 어려움과 교육과 현실 사이의 거리를 느끼게 된 것은 큰 깨달음이 아닌가 싶다. AI 시대에 맞는 교육은 어떤 모양일까?