이번 강의를 통해 생성형 AI의 기초부터 실무 데이터 분석 도구의 다양성까지 폭넓게 학습할 수 있었습니다. 특히 제미나이와 같은 생성형 AI의 특징을 이해하고 구체적인 프롬프트 작성 예시를 실습해 보며, 복잡한 코드를 직접 설계하기 전 AI를 지능적인 도구로 활용해 작업 효율을 비약적으로 높일 수 있다는 점이 인상적이었습니다.
실무적인 관점에서 엑셀 VBA 매크로와 파이썬을 이용한 데이터 분석을 비교해 본 결과, 엑셀은 뛰어난 접근성을 갖추고 있지만 대용량 데이터를 처리하거나 정교한 쿼리를 수행하는 데 있어서는 파이썬의 자유도가 압도적이라는 사실을 체감했습니다. 파이썬은 들여쓰기 기반의 직관적인 코드 구조와 동적 타이핑 덕분에 C나 Java 같은 언어에 비해 진입 장벽이 낮으면서도, Seaborn, Pandas, Matplotlib와 같은 라이브러리를 통해 복잡한 데이터도 시각적으로 명확하게 분석할 수 있다는 강점이 있었습니다.
실제로 동일한 데이터 분석 작업에서 엑셀이 약 20초 소요될 때 파이썬은 약 6초 만에 결과를 도출하는 성능 차이를 직접 확인하며, 현대 엔지니어에게 왜 파이썬 역량이 필수적인지 깊이 공감하게 되었습니다. 또한 Numpy부터 인공지능 분야의 핵심인 PyTorch, TensorFlow까지 이어지는 파이썬의 확장성은, 제가 목표로 하는 반도체 공정 및 CS 엔지니어 직무에서 설비 데이터를 정밀하게 분석하고 이상 징후를 조기에 탐지하는 데 핵심적인 역량이 될 것임을 확신했습니다.
이번 강의는 실무 중심의 프롬프트 활용법을 다루어 AI에 익숙하지 않은 사람도 쉽게 원리를 이해할 수 있는 유익한 시간이었습니다. 여기서 배운 데이터 기반의 사고방식과 분석 도구 활용 능력을 바탕으로, 향후 현장에서 마주할 수많은 로그 데이터와 설비 변수들을 날카롭게 분석해 내는 엔지니어가 되도록 노력하겠습니다.
#반도체 #AI #파이썬 #데이터분석 #윈스펙 #이공계
