미국 대학 입시용 AI 포트폴리오에는 ① 학생이 직접 정의한 문제, ② 실제 작동하는 결과물 2–3개, ③ 깊이 있는 성장 스토리가 핵심입니다. 프로젝트 수보다 깊이(depth)가 중요하며, 한 주제를 6개월 이상 발전시킨 포트폴리오가 5개의 얕은 프로젝트보다 훨씬 강력한 차별화가 됩니다. 코딩 경험이 없어도 생명과학·인문·경영·예술 분야와 AI를 결합한 오리지널 프로젝트로 입시 자산을 만들 수 있습니다.
게시일: 2026년 3월 12일 | 최종 수정: 2026년 5월 27일
성적만으로 차별화하기 어려운 입시 환경에서, 특히 SW·AI 관련 전공 지원 시 학생이 무엇을 만들었고 어떤 문제를 해결했으며 그 과정에서 무엇을 배웠는지를 보여주는 포트폴리오가 핵심 평가 자료가 됩니다.
좋은 포트폴리오는 완성된 결과물을 나열하는 것이 아닙니다. 문제를 발견한 동기, 해결을 위한 시행착오, 기술적 선택의 이유, 프로젝트를 통해 성장한 점을 스토리로 전달해야 하지요. CIT에서는 이 전체 과정을 체계적으로 설계하고 문서화하는 방법을 함께 만들어 갑니다.
미국 명문대 입시에서 AI 포트폴리오의 기준이 되는 프로그램들입니다. Stanford AIMI (Stanford Center for Artificial Intelligence in Medicine & Imaging) 학술연도 인턴십은 고등학생도 지원 가능한 연구 참여 경로로 알려져 있으며, Inspirit AI와 Veritas AI는 각각 Ivy+ 학생 멘토가 이끄는 AI 프로젝트 기반 프로그램으로 2026년 여름 코호트를 운영 중입니다. 이들 프로그램은 "1개의 깊은 프로젝트"를 포트폴리오의 핵심으로 설계하는 스파이크(spike, 깊이 우선) 모델을 채택하고 있습니다.
MIT와 Stanford는 스파이크(spike) 전략, 즉 한 분야에서 남다른 깊이를 보여주는 지원자를 선호합니다. AI 포트폴리오라면 튜토리얼 복제가 아닌, 학생이 직접 정의한 문제를 해결하는 오리지널 프로젝트가 반드시 있어야 합니다.
| 포트폴리오 구성 요소 | MIT | Stanford | Ivy (일반) |
|---|---|---|---|
| 오리지널 문제 정의 | 필수 | 필수 | 필수 |
| GitHub 저장소 / 공개 데모 | 강력 권장 | 강력 권장 | 권장 |
| 대회 참가 이력 (KOAI, ISEF 등) | 가산점 | 가산점 | 가산점 |
| 6개월+ 프로젝트 발전 이력 | 필수 | 필수 | 권장 |
| Common App 에세이와 일관된 내러티브 | 필수 | 필수 | 필수 |
| 프로젝트 개수 | 2–3개 (깊이 우선) | 2–3개 (깊이 우선) | 2–4개 |
AI 포트폴리오는 CS 전공 희망자만의 것이 아닙니다. 의대·생명과학, 인문·사회, 경영, 예술을 목표로 하는 학생도 AI 도구를 자신의 관심 분야에 적용한 오리지널 프로젝트로 입시를 차별화할 수 있습니다. 아래 표는 전공별 프로젝트 방향과 주요 AI 기술을 정리한 것입니다.
| 목표 전공/분야 | AI 융합 프로젝트 방향 | 주요 도구·기술 |
|---|---|---|
| 생명과학·의대 (Pre-med) | 의료 이미지 분류, 신약 분자 특성 예측, 공공 보건 데이터 시각화 | Google Teachable Machine, Python (pandas), Kaggle 데이터셋 |
| 인문·사회과학 | 역사 문헌 감성 분석, SNS 여론 분석, AI 윤리 정책 연구 보고서 | Hugging Face 감성 분류, ChatGPT API, 공공 데이터 포털 |
| 경영·경제 | 소비자 리뷰 자동 분류, 금융 데이터 예측 모델, 스타트업 피치덱 자동화 | Scikit-learn, Tableau, Google Colab (노코드 흐름) |
| 예술·디자인 | 생성형 AI 아트 프로젝트, 음악 감정 분류, 디지털 미디어 접근성 도구 | Stable Diffusion, Magenta (Google), p5.js + ML5.js |
| 환경·지구과학 | 위성 이미지 기반 산림 훼손 감지, 기후 데이터 시각화, 탄소 배출 예측 | Google Earth Engine, NASA 공개 데이터, Python 시각화 |
CIT는 위 분야별 전담 멘토를 직접 매칭합니다. 코딩 경험이 없는 학생은 노코드·로우코드 도구로 첫 프로젝트를 시작하고, 이후 필요한 만큼 기술 역량을 쌓아가는 방식으로 진행합니다. AI 교육 과정 전체 커리큘럼 보기 →
압구정 오프라인 수업과 동일한 커리큘럼으로, 생명과학·인문·경영·예술 분야별 전담 멘토와 1:1 온라인 세션을 진행합니다. 싱가포르·홍콩·미국 동부 거주 한국 학생, 그리고 서울 내 이동이 어려운 가정도 동일한 수준의 포트폴리오 지도를 받을 수 있습니다.
학생의 관심사, 목표 대학·전공, 기존 경험을 분석하여 입시에 효과적인 프로젝트 주제를 선정합니다. 사회 문제 해결, 학교 연계, 개인 관심 분야 등에서 의미 있는 주제를 발굴합니다.
AI 모델 구현, 앱 개발, 데이터 분석 등 실제 프로젝트를 수행합니다. 기술 멘토링과 함께 개발 과정을 체계적으로 기록하며, 시행착오와 개선 과정도 포트폴리오의 중요한 요소로 관리합니다.
프로젝트 보고서, GitHub README, 발표 자료를 작성합니다. 기술적 내용을 비전문가도 이해할 수 있게 정리하고, 프로젝트의 동기·과정·결과·임팩트를 스토리로 구성합니다.
완성된 포트폴리오를 입시 전략에 맞게 활용합니다. 자기소개서·에세이 소재 연결, Common App Activities 섹션 작성, 면접 대비 등 실제 입시에서 포트폴리오를 효과적으로 활용하는 방법을 지도합니다.
미국 대학 입시: Common App의 Activities, Additional Information, 그리고 Why Major 에세이에서 코딩·AI 포트폴리오는 STEM 분야 지원자의 열정과 역량을 보여주는 핵심 자료입니다. GitHub 링크, 앱 스토어 출시 경험, 대회 실적은 강력한 차별화 요소가 됩니다. EC 전략 전체 보기 →
국내 수시 전형: SW·AI 특기자 전형, 학생부종합전형에서 자기소개서와 면접 소재로 활용됩니다. 정보 교과 세특, 자율활동, 동아리 활동과 연계하여 학생부에 기록할 수 있는 활동으로도 설계합니다.
특목고·영재학교: 과학고, 영재학교 입시에서도 자기주도 학습 경험과 탐구 활동의 증거로 포트폴리오를 활용할 수 있습니다. 문제 발견에서 해결까지의 과정을 체계적으로 보여주는 것이 핵심입니다.
좋은 포트폴리오는 잘 만든 AI 프로젝트 2~3개에서 시작됩니다. 아직 프로젝트가 없다면, 주제 선정부터 데이터·모델·문서화까지 한 프로젝트를 끝까지 완성하는 방법과 머신러닝·딥러닝 개념, 학습 자료를 아래 AI 공부 가이드에서 단계별로 익힐 수 있습니다.
미국 대학 입시용 AI 포트폴리오에는 세 가지가 핵심입니다. 첫째, 학생이 스스로 발견한 문제와 그 해결 과정. 둘째, 실제 작동하는 결과물(GitHub 저장소, 앱, 데모 영상 등). 셋째, '왜 이 문제를 골랐고, 무엇을 배웠으며, 다음엔 어떻게 발전시킬 것인가'를 보여주는 성장 스토리입니다. 프로젝트 수보다 깊이가 중요하며, 2–3개의 집중된 프로젝트가 5–6개의 얕은 프로젝트보다 훨씬 효과적입니다.
가능합니다. 생명과학 전공 희망자라면 AI 단백질 구조 분석, 의학 이미지 분류 등의 프로젝트를 노코드·로우코드 도구로 시작할 수 있습니다. 인문·사회과학 전공 희망자는 감성 분석, 역사 데이터 시각화, AI 윤리 연구로 포트폴리오를 구성하지요. CIT는 비-CS 전공 희망 학생 전용 1:1 멘토 매칭 트랙을 운영하며, 생명과학·인문·경영·예술 분야별 전담 멘토가 배정됩니다.
MIT와 Stanford는 스파이크(spike) 전략, 즉 한 분야의 극단적 깊이를 선호합니다. ① 오리지널 데이터셋 또는 명확한 도메인 문제, ② GitHub 저장소 또는 공개 데모, ③ 대회 참가 이력(KOAI, Regeneron STS, ISEF 등) 중 하나 이상, ④ Common App 에세이와 연결되는 일관된 내러티브가 포함될 때 강력한 차별화가 됩니다.
질적 깊이가 양적 수를 압도합니다. 미국 상위권 대학(Ivy+ 포함) 입시에서는 2–3개의 서사가 연결된 프로젝트가 5–6개의 단편 프로젝트보다 효과적입니다. 한 프로젝트를 6개월 이상 발전시키며 버전 2·3으로 개선한 이력, 그리고 그 과정에서 실패하고 배운 점이 담긴 포트폴리오를 선호합니다.
이상적으로는 중학교 2–3학년(8–9학년)부터 시작하는 것을 권장합니다. 미국 대학 입시라면 9학년부터 비교과 활동(ECA)과 연계해 계획적으로 준비하는 것이 효과적입니다. 고등학교 1–2학년이라면 지금 당장 시작해도 2–3개 프로젝트를 완성하기에 충분한 시간이 있습니다.
물론입니다. 대회 실적은 포트폴리오의 한 요소일 뿐입니다. 자기주도적으로 문제를 발견하고 해결한 프로젝트, 지속적으로 발전시킨 작품, 팀 프로젝트에서의 역할 등이 더 큰 가치를 가질 수 있습니다.
매우 도움이 됩니다. 미국 대학은 비교과 활동(ECA)의 깊이와 열정을 중시하며, 코딩·AI 프로젝트는 STEM 분야 지원 시 강력한 차별화 요소입니다. GitHub 포트폴리오, 앱 출시, 대회 참가 이력은 Common App의 Activities 섹션과 Additional Information에 효과적으로 활용됩니다.
네, GitHub 프로필 구성, README 작성, 프로젝트 문서화, 커밋 이력 관리 등을 지도합니다. 특히 미국 대학 지원 시 GitHub 링크는 기술력을 증명하는 중요한 자료가 됩니다.
기본적인 프로젝트 1개를 포트폴리오로 정리하는 데 약 4–8주가 소요됩니다. 입시용 종합 포트폴리오는 6개월–1년에 걸쳐 여러 프로젝트를 체계적으로 구축하는 것을 권장합니다.
가능합니다. CIT는 압구정 오프라인 수업과 동일한 커리큘럼으로 1:1 온라인 세션을 운영합니다. 특히 비-CS 전공 희망 학생의 경우 생명과학·인문·경영·예술 분야 전담 멘토와 원격으로 매칭됩니다. 싱가포르·홍콩·미국 동부 거주 한국 학생도 참여하고 있으며, 자세한 내용은 온라인 수업 안내 페이지에서 확인하실 수 있습니다.
참고 자료 (Sources)