이번 강의를 통해 생성형 AI의 기초부터 실무 데이터 분석 도구의 다양함을 학습할 수 있었습니다. 제미나이와 같은 생성형 AI의 특징과 프롬프트 작성 예시를 보며, 복잡한 코드를 직접 작성하기 전 AI를 도구로서 활용해 작업 효율을 높일 수 있다는 것을 배웠습니다.
특히 엑셀 VBA 매크로와 파이썬을 이용한 데이터 분석 비교를 통해, 엑셀은 접근성이 좋지만 대용량 데이터를 처리하거나 쿼리를 직접 수행하는 데 있어서는 파이썬의 자유도가 압도적이라는 점을 알게 되었습니다. 파이썬은 들여쓰기 기반의 직관적인 코드 구조와 동적 타이핑 덕분에 C나 Java 같은 언어에 비해 배우기 쉽고, Seaborn, Pandas, Matplotlib 등 라이브러리를 통해 복잡한 데이터도 시각적으로 명확하게 분석할 수 있다는 점을 배웠습니다.
실제로 동일한 데이터 분석 작업에서 엑셀이 약 20초 소요될 때 파이썬은 약 6초 만에 결과를 내는 성능 차이를 보며, 왜 엔지니어에게 파이썬 역량이 필수적인지 이해하게 되었습니다. 또한 Numpy부터 인공지능 분야의 PyTorch, TensorFlow까지 이어지는 파이썬의 확장성은 제가 목표로 하는 반도체 공정 및 CS 엔지니어 직무에서 설비 데이터를 분석하고 이상을 탐지하는 데 핵심적인 역량임을 깨달았습니다.
이번 강의는 실무 중심의 프롬프트 활용법을 다루어 AI를 모르는 사람도 쉽게 이해할 수 있는 유익한 시간이었습니다. 앞으로 현장에서 마주할 수많은 로그 데이터와 설비 변수들을 데이터 기반 사고방식과 분석 도구들을 활용할 수 있도록 노력하겠습니다.
반도체 #AI #파이썬 #데이터분석 #윈스펙 #이공계
