1. 스터디 전/후 변화 (배운 점, 느낀 점)
그동안 공정의 메커니즘을 공부하고 파라미터를 최적화하는 등 전공 지식을 쌓는 데 집중해 왔습니다. 하지만 실제 양산 라인에서 쏟아지는 방대한 웨이퍼 로트 데이터와 수율을 현장에서 어떻게 분석하고 다루어야 할지에 대해서는 막연한 두려움이 있었습니다. 이번 3일간의 스터디를 수강하면서 코딩과 데이터에 대한 진입 장벽을 완전히 허물 수 있었습니다. 생성형 AI를 적절히 활용하면 복잡한 프로그래밍 지식이 완벽하지 않아도 훌륭한 분석 환경을 구축할 수 있고, 파이썬이라는 직관적인 도구를 통해 수많은 공정 변수 속에서도 유의미한 인사이트를 도출해 낼 수 있다는 든든한 자신감을 얻었습니다.
2. 기억에 남는 강의 내용
가장 인상 깊었던 내용은 생성형 AI를 활용한 엑셀 VBA 자동화 실습과 파이썬 Pandas 라이브러리 활용이었습니다. 프롬프트를 [데이터 구조], [처리 로직] 등으로 명확히 구조화하여 질문함으로써 AI가 스펙 아웃 비율을 계산하는 코드를 순식간에 짜주는 과정이 정말 놀라웠습니다. 또한, 주피터 랩 가상환경을 직접 구축해 보고, Pandas를 이용해 엑셀 형식의 2차원 데이터를 DataFrame으로 불러와 다루는 과정을 통해 실제 현업 엔지니어들의 데이터 전처리 방식을 생생하게 배울 수 있었습니다.
3. 향후 활용 계획 또는 취업 다짐
이번 스터디에서 익힌 파이썬 기초와 데이터 분석 프레임워크를 바탕으로, 예전 프로젝트에서 다루었던 박막 공정 데이터들을 직접 시각화해 보는 개인적인 복습을 진행할 계획입니다. 최근 HBM과 같은 차세대 하이엔드 제품 생산과 수율 극대화를 위해 반도체 업계 전반에서 스마트 팩토리와 자율 생산 역량을 강하게 요구하고 있습니다. 방대한 데이터를 두려워하지 않고, AI와 데이터 분석 역량을 활용하겠습니다 감사합니다!
#반도체 #AI #파이썬 #데이터분석 #윈스펙 #이공계