[수업 수강 이유]
평소 공정 분야에 관심이 많았고, 전공 수업을 통해 나노 단위의 미세 공정에서는 아주 작은 환경 변화가 수율에 치명적인 영향을 끼친다는 것을 배웠습니다. 이때 객관적인 지표로 이상징후를 포착하는 실물형 반도체 데이터의 힘에 큰 매력을 느끼게 되었습니다. 수만장의 웨이퍼에서 쏟아지는 파라미터 간 의 상관관계를 분석하여 근본적인 불량 원인을 파악할 수 있는 통계적 공정 제어 역량을 갖추기 위해 공정 데이터 분석 스터디를 수강하게 되었습니다.
[내용]
1일차는 생성형 ai의 특징과 이를 파이썬과 접목하여 어떻게 데이터 분석과정에서 활용되는 것인지를 배웠습니다. 생성형 ai는대규모 텍스트 데이터를 학습하여 다음에 올 문장을 예측하는 시스템이기 때문에 답변의 다양성이 장점이자 일관성이 단점이라는 것을 알게 되었고, 답변이 다양하게 와도 결국 코드를 실행하면 동일한 결과가 나올 것이라는 것을 알게 되는 등 구조적 측면에서 ai를 이해하게 되었습니다.
특히 많고 많은 데이터 분석앱(엑셀(특히 VBA 코드), Spotfire, R, 파이썬) 중에서 파이썬을 활용하는 이유는 문법이 직관적이며 쉽고, 무료 배포된 라이브러리들이 많아 활용도가 높으며(라이브러리 중 데이터 과학 분야는 Numpy, Scipy, Pandas, Matplotlib 이 대표적임) , 커뮤니티가 활성화되어 있어 접근성이 뛰어나며, 데이터가 큰 파일을 다룰 때 편리하다는 점을 배웠습니다. 강사님께서 엑셀 실행속도와 파이썬 실행속도를 직접 비교해주셨는데, 19s 와 6.7s 로 거의 3배에 달하는 처리 속도를 보여주어, 파이썬의 빠른 처리 속도를 실감할 수 있어서 파이썬이 왜 전세계적으로 사용되고 각종 분야에서 분석 도구로써 접목되어 활용되는지를 알게 되었습니다. 또한 전처리 과정에서 엄청난 시간 단축이 일어난다는 것을 체감할 수 있었습니다. 현장 Fab에서 공정 데이터를 이용하여 수율을 분석할 때 빠르고 체계적으로 분석할 수 있겠다는 인상을 받아 생성형 ai 및 파이썬 활용의 필요성을 절감했습니다.
#반도체 #AI #파이썬 #데이터분석 #윈스펙 #이공계