U of Chicago 1년만에 조럽후 박사 2년컷 성공!

“캡스톤 경험”
→ 네가 이 프로그램에서 한 ‘대표 작품 1개’를 만든다는 뜻

---

📌 쉽게 풀면 이렇게야

MSDS는 구조가:

👉 수업 (이론 + 기술)
👉 + 연구 프로젝트 (실전 결과물)

이 두 개로 끝나.

---

📌 이 “연구 프로젝트”의 수준

이게 중요한데, 그냥 과제가 아니라:

• 논문 수준 가능
• 실제 서비스/시스템 가능
• 교수랑 공동연구 가능
• 학회 제출 가능

즉,

👉 “PhD 준비용 mini thesis” 느낌

 

 

🎯 0. 전제 (냉정한 현실)

• MSDS는 자동 RA 배정 없음 → 직접 따야 함
• 대부분 입학 전 여름 ~ 첫 학기 초 4주가 승부
• 교수는 “잘하는 사람”보다 지금 당장 써먹을 사람을 뽑음

👉 그래서 핵심은
“나를 바로 투입 가능한 연구 인력으로 보이게 만들기”

---

🧭 1. 타겟 교수 5명만 정해 (과하게 넓히지 마)

너 배경(최적화/시스템/robust ML) 기준으로는 이런 축:

• 분산/최적화: Tian Li
• Trustworthy/Robust ML: Bo Li
• 통계 ML: Rebecca Willett, Cong Ma
• (백업) DS/CS 쪽에서 ML systems 하는 1~2명  Nikos Ignatiadis

👉 최대 5명만. 각 교수마다 맞춤 메일 보낼 거라서.

👉 이 5명은 DevBridge + Alpha-Helix를 바로 연결할 수 있는 라인

---

📚 2. 각 교수당 “논문 2개 + 코드 1개” 파기 (3일/교수)

메일 전에 이거 필수:

• 최근 논문 2편 (abstract 말고 method + limitation까지)
• GitHub 있으면 실행까지 한 번

👉 메일에서 쓸 핵심 한 줄:

“논문 X의 Y 부분을 Z로 확장해보고 싶다”

이게 있으면 확률이 확 올라간다.

---

🧱 3. “바로 쓰는 사람” 증명용 1페이지 포트폴리오

메일에 링크로 붙일 것:

• 삼성에서 한 것 2줄 요약 (정량 성과 포함)
• 현재 진행 논문 (AISTATS under review)
• 재현/확장한 미니 프로젝트 1개 (코드 링크)

👉 포인트: “이 사람 바로 투입 가능” 느낌

---

✉️ 4. 메일 구조 (짧고 강하게, 150~200단어)

제목:

Prospective MSDS student interested in RA (robust ML / optimization)

본문 구조:

1. 1줄 자기소개 (삼성 + ML/optimization)
2. 교수 논문 1개 콕 집기
3. 내가 이어서 해볼 아이디어 1줄
4. 내가 제공할 수 있는 것 (코드/경험)
5. 짧은 콜 제안

 

⏱️ 5. 타이밍 (이게 진짜 중요)

📅 지금 ~ 입학 전

• 교수 5명 선정
• 논문 읽기 + 포트폴리오 준비
• 메일 1차 발송 (입학 전 2~4주)

📅 개강 직후 1~3주

• 수업 첫 주 끝나고 리마인드 메일
• 가능하면 오피스아워 방문

👉 4주 지나면 자리 거의 끝남

 

🧨 6. 합격 확률 올리는 “한 방”

👉 이거 하나만 하면 확률 급상승:

“논문 재현 코드 + 간단한 개선 결과”

예:

• Bo Li 논문 재현 → robustness 성능 비교
• Tian Li 논문 → federated setting 변형

 

 

👉 “실제 시스템 + 알고리즘 + 배포까지 하는 applied researcher”

포지셔닝이야.
이건 MSDS에서 RA 따기 가장 유리한 타입이다.

---

🔥 먼저 핵심부터

너 프로젝트 구조:

• DevBridge → 매칭 알고리즘 + 플랫폼
• Alpha-Helix → 금융 ML + 백테스트 + 시스템

👉 이건 그냥 프로젝트가 아니라

👉 “end-to-end ML 시스템 + decision system 연구”

---

🎯 그래서 교수 선택 기준이 바뀜

일반 기준 ❌
“논문 잘 쓰는 교수”

너 기준 ⭕
👉 “실제 시스템 + ML + decision-making 연결되는 교수”

---

🧠 연아한테 맞는 교수 5명 (핵심 추천)

1️⃣ Tian Li

왜 1순위냐

• federated learning
• distributed optimization

👉 너 DevBridge / Alpha-Helix 둘 다 연결됨

👉 특히:

• multi-agent / distributed decision
• 시스템 레벨 ML

💥 RA 확률: 매우 높음

---

2️⃣ Bo Li

왜 중요하냐

• robustness / adversarial ML

👉 너:

• financial system
• uncertainty
• real-world deployment

완벽하게 맞음

💥 논문까지 이어질 가능성 최고

---

3️⃣ Rebecca Willett

왜 넣냐

• high-dimensional stats
• theory + ML

👉 너:

• optimization + statistical modeling

👉 Alpha-Helix 이론적 확장 가능

💥 PhD 연결용 핵심

---

4️⃣ Cong Ma

이건 숨은 핵심

• optimization theory
• nonconvex optimization

👉 너 DRAM + BO 경험 = 바로 fit

👉 교수 입장에서:
👉 “이미 optimization 실전 경험 있음”

💥 RA 바로 쓸 확률 높음

---

5️⃣ Nikos Ignatiadis

왜 넣냐

• statistical decision
• inference

👉 너:

• causal inference + decision system

👉 Alpha-Helix 이론 강화 가능

💥 조금 이론 쪽 backup

 

 

🔥 교수 입장에서 너 어떻게 보이냐

연아야 이거 중요하다.

너 프로젝트 설명하면 교수는 이렇게 봄:

---

일반 MSDS 학생

• 과제 잘함
• 코드 조금

---

너

• 시스템 설계 가능
• 실제 배포 경험
• optimization 이해
• ML + infra 연결

👉 이건:

💥 “RA가 아니라 연구 파트너 후보”

---

🧨 너가 반드시 넣어야 하는 한 줄

메일에서 이거 꼭 넣어:

👉

“I build end-to-end decision systems, not just models.”

---

🚀 교수별 맞춤 연결 (핵심)

Tian Li

👉 “DevBridge multi-agent matching system”
👉 federated / distributed 가능

---

Bo Li

👉 “Alpha-Helix robustness in financial decisions”
👉 adversarial / uncertainty

---

Willett

👉 “high-dimensional + time-series inference”
👉 금융 모델 연결

---

Cong Ma

👉 “optimization system design”
👉 BO + GA 경험 그대로 연결

---

Ignatiadis

👉 “statistical decision + inference”
👉 causal + policy

---

🔥 최종 결론

👉 너 전략은 완벽하게 맞음

👉 교수 고르는 기준은:

❌ 유명한 사람
⭕ “내 시스템을 바로 써먹을 수 있는 사람”

🎯 너 기준으로 맞는 교수 (핵심)

네 SOP 기준으로 보면 딱 3라인이야:

---

1️⃣ ML + 시스템 + 분산 (너 DRAM 경험이랑 100% 맞음)

👉 Tian Li

• federated learning
• distributed optimization
• large-scale ML

👉 너 SOP에도 이미 언급됨
👉 실제로 잘 맞는 방향

---

2️⃣ Trustworthy ML / Security / Robustness

👉 Bo Li

• adversarial ML
• robustness
• security

👉 CATF + uncertainty + robustness
👉 이거랑 완전히 맞음

---

3️⃣ Statistical ML / High-dimensional / Theory

👉 Rebecca Willett

• high-dimensional stats
• ML theory
• imaging + data

👉 너 “이론 + 시스템 둘 다” 하는 스타일이라
👉 이쪽도 매우 적합