<스터디 전/후 변화>
반도체 공정을 배우다 보면 수많은 변수들이 동시에 얽혀 돌아가고, 그 결과가 공정 품질에 바로 영향을 준다는 걸 몸으로 느끼게 된다. 숫자만 보는 게 아니라 그 안에서 의미를 읽어내는 능력이 필요하다는 생각이 들었고, 그게 이번 스터디에 참여하게 된 이유였다.
<강의 내용>
첫날은 생성형 AI로 코드를 짜보고 Python의 기본 개념을 익히는 것부터 시작했다. AI가 코드 작성을 보완해줄 수 있다는 점에서 실무에서도 충분히 써먹을 수 있겠다는 가능성을 느꼈다.
둘째 날은 Anaconda로 개발 환경을 직접 구축했다. conda로 가상환경을 만들고 JupyterLab과 ipykernel을 연동하는 과정을 직접 손으로 따라가면서, 분석을 시작하기 위한 기반을 스스로 세팅해봤다. 셀 단위 실행 방식이나 단축키 같은 사소해 보이는 부분들도 실제로 쓰다 보니 코드 작성 속도에 꽤 차이가 났다.
셋째 날은 변수, 데이터 타입, 리스트, 딕셔너리 같은 파이썬 기본 문법을 다루면서 데이터가 어떤 구조로 저장되고 활용되는지를 익혔다. Pandas로 데이터를 불러오고 정렬, 필터링, 통계 처리까지 해보면서 이게 실제 데이터 분석 흐름이랑 그대로 연결된다는 걸 체감했다. 특히 Date, Step, Value, USL, TGT, LSL 같은 실제 공정 데이터를 놓고 어떻게 분석할지 고민해보는 과정이 인상 깊었다.
<향후 활용 계획>
이번 스터디는 단순히 듣고 끝나는 교육이 아니라 환경을 직접 세팅하고 데이터를 손으로 만져보는 경험이었다는 점에서 체감하는 게 달랐다. 앞으로는 변수 간 관계 분석, 이상 데이터 탐지, 데이터 시각화 같은 심화 기법들을 이어서 공부하면서 실제 반도체 공정 데이터에 직접 적용해보는 것을 목표로 계속 발전해나갈 계획이다.
반도체#AI#파이썬#데이터분석#윈스펙#이공계
