목차
- QMUL AI 석사: 과정 종류와 입학요건 비교
- EECS가 운영하는 석사 과정 전체 목록
- 계열별로 갈라 보는 과정 비교
- 정통 AI 계열
- 전환 계열: 비전공자를 위한 통로
- 데이터 중심 계열
- 응용·특화 계열
- 비전공자가 지원할 수 있는가
- 전환 과정의 운영 방식과 평가
- 커리큘럼 구조에서 갈리는 지점
- 대학원 입학 학위 요건
- 어학 요건과 시험 종류 구분
- 학부 컴퓨터과학 진학 경로
- 학부 개설 프로그램
- 학부 입학 학력 기준
- 파운데이션을 거치는 경우
- 캠퍼스와 학습 환경
- 진로와 취업
- 과정 선택 기준 정리
- F.A.Q
QMUL AI 석사: 과정 종류와 입학요건 비교
QMUL AI 석사는 하나의 과정이 아니라 여러 갈래로 나뉘어 있습니다. 런던 퀸메리대학교(Queen Mary University of London)의 전자공학·컴퓨터과학부(School of Electronic Engineering and Computer Science, EECS)는 인공지능을 정면으로 다루는 MSc Artificial Intelligence 외에도 비전공자를 위한 전환(conversion) 과정, 데이터 중심 과정, 시각·음향 데이터에 특화된 과정을 각각 별도 학위로 운영합니다. 이 글은 개설된 과정을 기준으로 계열을 나누고, 학위 요건과 어학 요건, 그리고 학부 컴퓨터과학 진학 경로까지 2026년 기준으로 정리합니다.
EECS가 운영하는 석사 과정 전체 목록
학부가 공식 페이지에 게시한 AI·컴퓨터·데이터사이언스 계열 석사 목록은 아래와 같습니다(2026년 기준).
- MSc Advanced Computer Science
- MSc Artificial Intelligence
- MSc Artificial Intelligence (Conversion) — 1월 시작
- MSc Computer Science by Research
- MSc Computer Science (Conversion)
- MSc Data Science
- MSc Data Science and Artificial Intelligence (Conversion)
- MSc Machine Learning for Visual Data Analytics
- MSc Sound and Music Computing
퀸메리는 컴퓨터과학 분야에서 영국 내 8위에 올라 있습니다(QS World University Rankings by Subject 2026). EECS는 이 순위를 인공지능·데이터사이언스 영역의 성과와 함께 소개하고 있으며, 강의 모듈이 국제 연구 협력에서 나온 내용으로 갱신된다는 점을 학부 소개의 핵심으로 내세웁니다.
계열별로 갈라 보는 과정 비교
아홉 개의 학위를 성격으로 묶으면 네 갈래가 됩니다. 전공 배경, 목표 직무, 시작 시기가 서로 다르므로 먼저 이 분류에서 자기 위치를 잡는 편이 선택이 빠릅니다.
| 계열 | 해당 과정 | 전제하는 배경 |
|---|---|---|
| 정통 AI·컴퓨터과학 | MSc Artificial Intelligence, MSc Advanced Computer Science | 컴퓨터과학 계열 학사 |
| 전환(Conversion) | MSc Artificial Intelligence (Conversion), MSc Computer Science (Conversion), MSc Data Science and Artificial Intelligence (Conversion) | 비전공 또는 컴퓨터과학 모듈 비중이 낮은 학사 |
| 데이터 중심 | MSc Data Science | 전자공학, 컴퓨터과학, 소프트웨어 공학, 정보기술 또는 관련 분야 |
| 응용·특화 | MSc Machine Learning for Visual Data Analytics, MSc Sound and Music Computing | 관련 전공 |
| 연구형 | MSc Computer Science by Research | 연구 주제와 지도 교수 매칭 전제 |
정통 AI 계열
MSc Artificial Intelligence는 기계학습과 데이터 분석을 축으로 하는 정공 과정입니다. 컴퓨터과학 학사 수준의 프로그래밍과 수학 배경을 전제하며, 연구 경험과 산업 사례를 함께 다루는 구성으로 소개됩니다. MSc Advanced Computer Science는 인공지능만이 아니라 컴퓨터과학 전반의 심화 주제를 폭넓게 다루는 쪽에 가깝습니다.
두 학위를 놓고 고민한다면 질문을 하나로 좁히면 됩니다. 학습 알고리즘과 모델 자체를 직업의 중심에 두려는가, 아니면 소프트웨어 시스템 전반을 다루면서 인공지능을 도구로 쓰려는가입니다. 앞쪽이면 MSc Artificial Intelligence, 뒤쪽이면 MSc Advanced Computer Science가 설계 의도에 가깝습니다. 연구 주제가 이미 뚜렷하고 지도 교수와 매칭이 가능한 상황이라면 MSc Computer Science by Research라는 세 번째 선택지도 있습니다.
전환 계열: 비전공자를 위한 통로
전환 과정은 컴퓨터과학 전공이 아닌 사람이 이 분야로 진입하도록 설계된 학위입니다. 퀸메리는 다른 학문 분야 졸업생을 위한 전환 석사를 별도로 둔다고 명시하고 있으며, 인공지능 전환 과정은 2026년 1월 시작으로 신설되었습니다. 비STEM 배경 지원자를 겨냥한 과정이라는 점이 공식 안내에 분명히 적혀 있습니다.
전환 과정과 정공 과정의 차이는 목표에서 갈립니다. 인공지능 전환 과정은 비기술 배경 학생을 대상으로 하기 때문에 연구보다 인공지능의 실무 적용에 무게를 둡니다. 다만 졸업 후 지도 교수와 연결해 후속 연구를 이어 가는 통로 자체가 막혀 있지는 않습니다.
데이터 중심 계열
MSc Data Science는 통계적 데이터 모델링과 시각화, 기계학습, 그리고 컴퓨터 비전·자연어처리 같은 도메인 응용을 함께 다루는 과정으로 소개됩니다. 인공지능 기법 자체보다 데이터 파이프라인과 분석 역량 쪽에 무게가 실립니다. 반면 MSc Data Science and Artificial Intelligence는 전환 과정이며, 컴퓨터과학 학위가 없는 지원자를 명시적 대상으로 삼습니다.
응용·특화 계열
MSc Machine Learning for Visual Data Analytics는 영상·이미지 데이터에, MSc Sound and Music Computing은 소리와 음악 신호에 각각 초점을 둡니다.
비전공자가 지원할 수 있는가
지원할 수 있습니다. 다만 어느 과정을 고르느냐가 관건입니다. 퀸메리 EECS는 전환 과정을 '다른 분야 졸업생을 위해 설계된 과정'으로 규정하고 있으며, 컴퓨터과학과 무관한 첫 학위를 가졌거나 컴퓨터과학 모듈 비중이 50% 미만인 학위를 가진 지원자를 대상으로 명시합니다.
| 지원자 배경 | 적합한 과정 |
|---|---|
| 컴퓨터과학·소프트웨어공학 학사 | MSc Artificial Intelligence, MSc Advanced Computer Science |
| 수학·통계·물리 등 정량 계열 학사 | MSc Data Science 또는 정통 AI 계열 |
| 경영·인문·사회 등 비STEM 학사 | MSc Artificial Intelligence (Conversion) |
| 컴퓨터과학 모듈이 절반 미만인 학위 | MSc Computer Science (Conversion) |
| STEM 전공이면서 컴퓨터공학, 소프트웨어 공학, IT, 전기전자공학이 아닌 학위 | MSc Data Science and Artificial Intelligence (Conversion) |
프로그래밍 경험이 전혀 없다는 점 자체가 결격 사유가 되지는 않습니다. 인공지능 전환 과정은 사전 경험을 요구하지 않는 파이썬 프로그래밍 모듈을 커리큘럼 안에 포함하고 있습니다. 데이터사이언스·인공지능 전환 과정은 여기서 한발 더 나아가, 개강 전 무료 온라인 단기 강의를 제공해 파이썬 기초를 미리 다지게 하고 개강 직후 2주간 프로그래밍과 통계를 집중 교육합니다.
전환 과정의 운영 방식과 평가
인공지능 전환 과정은 온라인 학습이 제공되지 않고 마일엔드(Mile End) 캠퍼스의 대면 수업으로만 운영됩니다. 평가는 모듈별로 필기시험과 과제를 조합하는 방식이 일반적이며, 마지막 프로젝트는 초기 범위 설정, 중간 진행 보고, 최종 포트폴리오와 구술 발표의 네 단계로 평가됩니다.
프로젝트 주제는 학생이 직접 고를 수 있습니다. 모듈 담당 교수와 지도 교수가 주제 선정을 함께 검토합니다. 결과물이 고용주에게 보여 줄 수 있는 형태가 되도록 설계되어 있다는 점이 이 과정의 특징입니다.
학생 지원 구조도 명시되어 있습니다. 전환 과정 재학생 전원에게 학업 지도 교수가 배정되고, 학부 안에는 전담 학생지원 및 웰빙 담당관(Student Support Officer)이 있습니다. 학술 글쓰기와 학업 영어를 보완하려는 경우 대학 차원의 학습기술센터(Academic Skills Centre)에서 일대일 튜토리얼과 워크숍을 이용할 수 있습니다.
커리큘럼 구조에서 갈리는 지점
퀸메리의 석사 학위는 강의 모듈과 최종 프로젝트라는 두 축으로 구성됩니다. 계열이 달라도 이 골격은 같고, 실제 차이는 강의 모듈의 출발선과 최종 결과물의 성격에서 생깁니다. 아래 표는 그 차이를 공식 안내에서 확인되는 범위로만 정리한 것입니다.
| 비교 항목 | 정통 AI 계열 | 전환 계열 |
|---|---|---|
| 출발선 | 컴퓨터과학 학사 수준의 프로그래밍·수학 전제 | 프로그래밍 무경험 전제, 파이썬 모듈을 커리큘럼에 포함 |
| 사전 준비 | 별도 안내 없음 | 개강 전 무료 온라인 단기 강의(데이터사이언스 전환) |
| 개강 직후 | 일반 모듈로 바로 진입 | 2주간 프로그래밍·통계 집중 교육(데이터사이언스·인공지능 전환) |
| 강조점 | 연구 경험과 알고리즘 자체 | 인공지능 기술의 실무 적용 |
| 최종 프로젝트 | 학위 성격에 따른 연구·구현 과제 | 범위 설정 → 중간 보고 → 포트폴리오 → 구술 발표 |
| 개강 시기 | 가을 학기 | 인공지능 전환은 1월 시작 |
여기서 오해하기 쉬운 지점이 하나 있습니다. 전환 과정이 '쉬운 과정'이라는 뜻은 아닙니다. 출발선을 낮춰 주는 대신 같은 기간 안에 기초부터 응용까지 압축해 다뤄야 하므로 학습 밀도는 오히려 높아집니다. 개강 전 온라인 강의와 개강 직후 집중 교육이 붙어 있는 이유도 그 압축을 감당하기 위한 장치에 가깝습니다.
모듈 구성은 학년도마다 갱신됩니다. EECS는 강의 내용이 국제 연구 협력과 산업 협력에서 나온 결과로 계속 갱신된다고 설명하고 있어, 특정 연도의 모듈 목록을 그대로 다음 해에 적용하기 어렵습니다. 지원 연도의 모듈 목록을 코스파인더에서 다시 확인하는 절차가 필요합니다.

대학원 입학 학위 요건
EECS 석사 과정의 기본 학위 기준은 상위 2등급 우등 학위(2:1)입니다. 학부 공식 안내에 따르면 하위 2등급(2:2)이라도 성적이 좋은 경우 개별 심사로 고려될 수 있으며, 영국 GCSE 기준 B등급에 상당하는 수학 능력을 별도로 요구합니다(2026년 기준).
| 항목 | 기준(2026년 기준) |
|---|---|
| 학위 등급 | 2:1 이상, 성적이 좋은 2:2는 개별 심사 |
| 전환 과정 전공 조건 | 컴퓨터과학과 무관한 학위 또는 컴퓨터과학 모듈 50% 미만 |
| 어학 | IELTS(Academic) 종합 6.5, 각 영역 6.0 이상(Band 4) |
한국 대학 학점을 영국 학위 등급으로 환산하는 표는 국가별로 따로 운영됩니다. 같은 2:1이라도 출신 국가에 따라 요구 학점이 달라지므로, 코스파인더의 과정별 페이지에서 국가를 선택해 확인하는 방식이 정확합니다.
어학 요건과 시험 종류 구분
EECS 석사의 영어 기준은 IELTS(Academic) 종합 6.5이며 Writing·Listening·Reading·Speaking 각 영역 6.0 이상입니다. 학부 과정은 기준이 낮아 종합 6.0을 기본선으로 안내합니다. 두 경우 모두 학위 등급(degree level) 이상의 과정이므로 IELTS로 응시하면 됩니다.
| 과정 유형 | IELTS 기준(2026년 기준) | 필요한 시험 |
|---|---|---|
| 학부(BSc·BEng) | 종합 6.0 / 각 영역 5.5 | 일반 IELTS(Academic) |
| 석사(MSc) | 종합 6.5 / 각 영역 6.0 | 일반 IELTS(Academic) |
| 파운데이션·패스웨이 | 과정별 별도 기준 | IELTS for UKVI |
IELTS와 IELTS for UKVI는 문제 형식도 난이도도 채점 방식도 완전히 같습니다. 차이는 두 가지뿐입니다. IELTS for UKVI는 영국 내무부가 승인한 SELT 지정 센터에서만 응시할 수 있고, 성적표에 UKVI 번호가 붙어 내무부가 직접 검증합니다. 어느 쪽이 필요한지는 지원 과정이 학위 등급 이상인지 아래인지로 결정되며, 석사와 학부는 모두 학위 등급이므로 일반 시험으로 충분합니다.
학부 컴퓨터과학 진학 경로
한국 고교 졸업 후 퀸메리에서 컴퓨터과학을 시작하려는 경우는 석사 진학과 설계가 완전히 다릅니다. 전공 단위로 유학을 계획할 때는 학부와 석사 두 층위를 함께 놓고 보는 편이 현실적입니다.
학부 개설 프로그램
EECS의 학부 과정에는 컴퓨터과학(Computer Science) 외에 인공지능을 결합한 Computer Science and Artificial Intelligence, 수학과 결합한 Computer Science and Mathematics, 그리고 수학 쪽에서 접근하는 Mathematics with Computing이 있습니다. 학부 단계에서 인공지능을 학위명에 넣고 싶다면 두 번째 과정이 직접적인 선택지가 됩니다.
영국 학부 과정에서 자주 등장하는 실습(placement)이라는 용어는 졸업 후 취업이 아니라 학업 기간 중 수행하는 인턴십·현장 실무 제도를 가리킵니다. 프로그램에 따라 실습 기간이 학제 안에 포함되는 경우가 있어, 개별 학위 페이지에서 총 수학 연한과 실습 포함 여부를 함께 확인해야 합니다.
학부 입학 학력 기준
BSc Computer Science의 A레벨 기준은 AAB이며 수학 A레벨에서 B등급 이상을 포함해야 합니다(2026년 기준). 국제 바칼로레아로는 총점 36점에 고등 과정(HL) 세 과목 6·6·6이 필요하고, 이 가운데 수학·컴퓨터과학·물리 중 하나가 HL에 포함되어야 합니다. 유럽 바칼로레아는 82% 이상입니다.
| 학력 | 기준(2026년 기준) |
|---|---|
| A레벨 | AAA, 수학, 컴퓨터공학, 또는 물리 중 하나 포함 |
| 국제 바칼로레아(IB) | 36점, HL 6·6·6(수학·컴퓨터과학·물리 중 1과목 HL 포함) |
| 유럽 바칼로레아 | 82% 이상 |
| 영어 | IELTS 종합 6.0 / 각 영역 5.5 |
EECS는 지원 마감과 관련해 UCAS 마감 기한 전 제출을 안내하고 있습니다.
파운데이션을 거치는 경우
한국은 초·중·고 12년제이고 영국은 13년제여서 1년의 학제 차이가 있습니다. 이 차이를 메우기 위해 한국 고교 졸업생은 파운데이션 과정을 한 해 거친 뒤 학부 1학년으로 올라가는 경로를 흔히 사용합니다. 퀸메리 국제 파운데이션에는 인문·사회 계열과 과학·공학 계열 트랙이 있고, 이 트랙은 고교 최종 학년에서 관련 과목을 이수했을 것을 요구합니다.
한국 학력 기준으로는 고교 3학년 수료 후 다섯 과목 평균 70% 또는 4등급 이상이 제시되어 있습니다(2026년 기준). 파운데이션은 학위 등급 아래 과정이므로 어학은 IELTS for UKVI 성적이 필요합니다.
캠퍼스와 학습 환경
EECS의 수업은 런던 동부의 마일엔드 캠퍼스에서 이뤄집니다. 인공지능 전환 과정처럼 대면 수업만 운영되는 학위는 이 캠퍼스가 사실상 유일한 학습 장소가 됩니다. 대학은 독립된 캠퍼스 구조를 갖추고 있어 도서관과 학습 공간, 학생 지원 서비스가 한 부지 안에 모여 있습니다.
장애·난독 지원팀은 주의력결핍 과잉행동장애나 자폐, 난독을 포함한 학습 차이에 대해 시험 조정과 멘토링, 학습 지원을 제공합니다. 상담과 웰빙 워크숍 같은 정신건강 지원도 대학 차원에서 함께 운영됩니다.
진로와 취업
인공지능 석사의 진로는 과정 선택과 거의 직결됩니다. 전환 과정 졸업생은 기존 자기 분야에서 인공지능 역량이 필요한 직무로 이동하거나, 더 기술적인 역할로 나아가기 위해 후속 학업을 잇는 경로가 공식 안내에 제시되어 있습니다. 정통 AI 계열은 기계학습 엔지니어와 연구 직무 쪽 접점이 큽니다.
퀸메리 커리어팀은 재학 기간은 물론 졸업 후 2년까지 구직 지원을 제공합니다. 캠퍼스에서 고용주가 참여하는 커리어 데이가 열리고, 런던이라는 위치 덕에 학교 밖에서 열리는 업계 행사에 접근하기도 수월한 편입니다. 데이터사이언스·인공지능 전환 과정은 업계 관계자와 함께 설계되었다는 점을 과정 소개에 명시하고 있습니다.
과정 선택 기준 정리
퀸메리의 인공지능·컴퓨터·데이터 과학 관련 석사는 EECS 소속으로 아홉 개가 개설되어 있고, 정통 AI·전환·데이터·응용 네 갈래로 나뉩니다. 비전공자에게는 인공지능 전환 과정과 데이터사이언스·인공지능 전환 과정이 통로이며, 프로그래밍 무경험을 전제로 파이썬 모듈과 개강 전 준비 강의가 붙어 있습니다. 석사 학위 요건은 2:1, 어학은 IELTS 6.5(각 6.0)입니다. 학부부터 설계한다면 BSc Computer Science는 A레벨 AAA(수학, 컴퓨터공학, 물리 중 1과목 포함)에 IELTS 6.0이고, 한국 고교 졸업 후에는 파운데이션을 한 해 거치는 경로가 일반적이며 이때는 IELTS for UKVI가 필요합니다.
F.A.Q
전환 학위를 마친 뒤에 박사 지원이 가능한가요?
가능성은 열려 있지만 준비가 추가로 필요합니다. 퀸메리는 인공지능 전환 학위가 비기술 배경 학생을 위한 것이어서 연구보다 실제 적용에 무게를 둔다고 밝히면서도, 졸업 후 EECS 교수진과 연결해 후속 작업을 이어 갈 기회가 있다고 안내합니다. 연구 중심 진로를 처음부터 겨냥한다면 MSc Computer Science by Research 쪽이 설계 의도에 더 가깝습니다.
졸업 프로젝트 주제를 산업 현장 과제로 잡아도 되나요?
퀸메리는 결과물이 잠재적 고용주에게 보여 줄 수 있는 형태가 되도록 설계했다고 밝히고 있어, 실무 지향 주제 자체가 배제되지는 않습니다. 다만 모듈 담당 교수와 배정된 지도 교수가 주제의 실현 가능성을 함께 검토하는 절차를 거칩니다.
온라인으로 이수할 수 있는 선택지가 있나요?
인공지능 전환 학위는 온라인으로 제공되지 않으며 마일엔드 캠퍼스의 대면 수업으로만 운영됩니다. 퀸메리는 이 점을 공식 안내에 분명히 적어 두고 있습니다. 원격 이수를 전제로 계획을 세운 경우라면 EECS 계열 대신 다른 학부의 온라인 학위를 살펴야 합니다.
학비 외에 추가로 드는 비용 항목이 있나요?
학비는 학위 단위로 책정되어 코스파인더의 각 학위 페이지에 입학 연도 기준으로 게시됩니다. 전환 학위는 개강 전 온라인 단기 강의를 무료로 제공하므로 사전 학습에 별도 비용이 붙지 않습니다. 2026년 기준 금액과 2027년 기준 금액이 따로 고지되므로 입학 연도를 맞춰 대조해야 정확합니다.
지원 서류를 냈는데 수학 배경이 부족하다고 판단되면 어떻게 되나요?
정통 계열 대신 전환 계열로 안내되는 경우가 있습니다. 퀸메리는 컴퓨터과학 모듈이 절반 미만인 학위 소지자를 전환 학위의 대상으로 규정하고 있으며, 하위 2등급 학위 역시 성적이 좋으면 개별 심사 대상이 됩니다.
정공 학위와 전환 학위 중 채용 시장에서 어느 쪽이 유리한가요?
목표 직무에 따라 갈립니다. 기계학습 모델을 직접 설계하는 기술 직무는 정공 계열의 수학·프로그래밍 밀도가 요구되고, 기존 산업 지식에 인공지능 활용 역량을 얹는 직무는 전환 계열의 설계 목적과 맞습니다. 퀸메리는 전환 학위 졸업생의 목표를 자기 분야 안에서 인공지능 기술이 필요한 자리로 이동하는 것으로 설명합니다.
데이터 분석 쪽과 인공지능 쪽 학위를 고를 때 판단 기준은 무엇인가요?
다루려는 대상이 데이터인지 모델 (알고리즘) 구조 자체 인지가 갈림길입니다. MSc Data Science는 통계 모델링과 시각화, 도메인 특화 응용에 무게를 두고, 정통 AI 계열은 학습 알고리즘 자체를 다룹니다. 영상이나 음향처럼 특정 형태의 데이터를 다루려는 경우에는 시각 데이터 분석이나 음향·음악 컴퓨팅처럼 대상이 지정된 학위가 별도로 개설되어 있습니다.