스터디를 신청할 때만 해도 "파이썬은 어느 정도 알고 있으니 따라가겠지"라고 생각했습니다. 막상 뚜껑을 열어보니, 제가 알던 파이썬과 실무에서 쓰는 파이썬 사이에는 꽤 큰 간극이 있었습니다.
이번 스터디의 핵심은 두 가지였습니다. 생성형 AI(구글 제미나이)를 코드 생성 도구로 활용하는 방법, 그리고 반도체 공정 실무 데이터를 pandas·matplotlib으로 분석하고 시각화하는 방법입니다.
가장 인상 깊었던 내용은 파이썬 vs 엑셀 속도 비교 실험이었습니다. 같은 대용량 CSV 파일을 엑셀로 열면 약 19초, 파이썬으로 처리하면 6.7초. 단순 로딩만 봐도 3배 가까운 차이가 났습니다. 포토공정 FEM 데이터를 다뤄본 경험이 있어서 "이걸 파이썬으로 했으면 훨씬 빨랐겠다"는 생각이 바로 들었습니다.
또 하나 배운 점은 생성형 AI의 활용 방식입니다. AI는 단순히 코드를 대신 짜주는 도구가 아니라, 데이터 구조와 처리 로직을 글로 설명하면 파이썬 코드로 변환해주는 '번역기'에 가깝다는 것을 느꼈습니다. 다만 답변의 무작위성이 있기 때문에 생성된 코드를 그대로 쓰지 않고 반드시 검증하는 습관이 필요하다는 점도 배웠습니다.
향후 활용 계획도 생겼습니다. 취업 준비 과정에서 공정 데이터를 다루게 될 텐데, 엑셀 대신 파이썬으로 전처리·집계·시각화를 자동화하는 흐름을 익혀두려 합니다. 특히 반도체 직무를 목표로 하는 만큼, Bossung Curve나 Box Plot 같은 분석을 파이썬으로 직접 구현할 수 있는 수준까지 실력을 끌어올리고 싶습니다.
짧은 스터디였지만, "AI에게 물어보고 → 코드를 받아 → 데이터에 적용한다"는 실무 흐름을 직접 경험한 것만으로도 충분한 수확이었습니다.
#반도체 #AI #파이썬 #데이터분석 #윈스펙 #이공계