이번 강의는 생성형 AI의 활용법부터 실무 데이터 분석 도구까지 폭넓은 내용을 다루었는데, 단순히 AI로 코드를 생성하는 방법을 배우는 것을 넘어 AI 를 도구로서 얼마나 효과적으로 활용할 수 있는가에 대한 사고방식을 먼저 짚어주는 시간이었다. 그중에서도 가장 인상 깊었던 부분은 엑셀과 파이썬 의 성능 차이를 실시간으로 보여준 데모였는데, 동일한 데이터에 동일한 작업을 수행했을 때 엑셀은 약 20초, 파이썬은 6.7초가 소요되는 장면을 직접 눈으로 확인하니 단순한 속도 차이 이상의 의미로 다가왔다. 실무에서 수십만 행 이상의 대용량 데이터를 다룰 경우 이 격차가 기하급수적으로 벌어진다는 설명이 더해지면서, 엑셀이 접근성 면에서는 강점을 가지지만 대규모 데이터를 자유롭게 다루고 분석을 자동화하는 데 있어서는 파이썬의 확장성이 압도적이라는 점을 비로소 실감하게 되었다. 또한 Seaborn을 활용한 선형회귀 시각화 예시를 통해, 결측값 제거부터 회귀선 도출, 결정계수(R²) 표시까지 간결한 코드로 구현되는 과정을 보며 데이터분석 라이브러리의 실용성도 직접 확인할 수 있었다. 파이썬이 Numpy, Pandas, Seaborn, Matplotlib을 거쳐 PyTorch와 TensorFlow까지 이어지는 방대한 생태계를 갖추고 있다는 점은, 내가 목표로 하는 반도체 공정 및 CS 이공계 엔지니어 직무에서 설비 데이터 분석과 이상 탐지를 수행하는 데 있어 파이썬 역량이 핵심이 될 수밖에 없다는 것을 다시 한번 확인시켜 주었다. 윈스펙 강의를 통해 앞으로는 단순히 코드를 따라 작성하는 수준을 넘어, 데이터를 보는 시각 자체를 키워나가는 방향으로 학습을 이어가고자 한다.
#반도체 #AI #파이썬 #데이터분석 #윈스펙 #이공계
