이번 강의를 통해 생성형 AI의 기초부터 실무 데이터 분석 도구의 다양함을 깊이 있게 학습할 수 있었습니다. 제미나이와 같은 생성형 AI의 특징과 프롬프트 작성 예시를 보며, 복잡한 코드를 직접 작성하기 전 AI를 도구로서 활용해 작업 효율을 높이는 법을 배웠습니다.
특히 파이썬의 핵심인 모듈(Module) 활용법에 대해 상세히 다루었는데, 함수나 변수, 클래스를 포함하는 파이썬 파일(.py) 하나가 하나의 모듈이 된다는 점을 명확히 이해했습니다. 이를 통해 코드의 재사용성을 높이고 네임스페이스를 분리하여 대규모 프로젝트에서도 유지보수를 용이하게 할 수 있다는 이점을 깨달았습니다. 실무 예제로 살펴본 math, os, datetime과 같은 표준 라이브러리 모듈은 현장에서 파일 목록을 관리하거나 복잡한 수치를 계산할 때 필수적인 도구임을 체감했습니다.
실제로 엑셀 VBA와 파이썬의 성능을 비교했을 때, 엑셀이 20초 걸리는 작업을 파이썬은 단 6초 만에 완수하는 성능 차이를 확인하며 왜 엔지니어에게 파이썬 역량이 필수적인지 확신하게 되었습니다. 파이썬은 들여쓰기 기반의 직관적인 구조 덕분에 배우기 쉬우면서도, Pandas와 Matplotlib 등 강력한 라이브러리를 통해 방대한 데이터를 시각화하는 데 압도적인 자유도를 제공합니다.
Numpy부터 AI 분야의 PyTorch, TensorFlow까지 이어지는 파이썬의 확장성은 제가 목표로 하는 반도체 공정 및 CS 엔지니어 직무에서 설비 데이터를 분석하고 이상을 탐지하는 데 핵심적인 무기가 될 것입니다. 앞으로 현장에서 마주할 수많은 로그 데이터와 설비 변수들을 이번에 배운 데이터 기반 사고방식과 분석 도구들을 활용해 스마트하게 해결해 나가겠습니다.
반도체 #AI #파이썬 #데이터분석 #윈스펙 #이공계
