dudgus4943 님의 블로그

[내일배움캠프-본캠프] QA/QC 26/06/30

1. 왜 '실리콘'이며, 어떤 '결정면'이 중요할까?웨이퍼 표면에 원자가 어떻게 배열되어 있는지(결정면)에 따라 반도체의 전기적 특성이 크게 좌우됩니다.왜 수많은 물질 중 실리콘(Si)일까? 지구상에서 가장 풍부한 자원(모래) 중 하나라 가격이 저렴하고, 고온에서도 특성이 안정적입니다. 특히 절연막 역할을 하는 고품질의 산화막(SiO2)을 쉽게 형성할 수 있다는 것이 가장 큰 장점입니다.실리콘은 1.1eV의 적절한 에너지 밴드의 값을 가짐어떤 방향의 결정면을 선호할까? 일반적으로 현대의 집적회로(CMOS) 제조에는 (100) 면을 가진 실리콘 웨이퍼를 가장 많이 사용합니다. (100)면의 경우 산화막이 형성되면 산소 원자와 결합이 아주 잘 맞아 떨어지기에 (110) (111)면들에 비해 계면 결..

[내일배움캠프-본캠프] QA/QC 26/06/29

안녕하세요! 오늘은 반도체 집적회로(IC) 칩 제작에서 가장 중요하고 핵심적인 기술, 바로 포토리소그래피(Photolithography)에 대해 알아보겠습니다. 반도체의 미세화를 이끄는 기술을 지금부터 자세히 파헤쳐 보겠습니다.1. 포토리소그래피(Photolithography)란?포토리소그래피는 빛(Photo)을 이용해 웨이퍼 위에 미세한 회로 패턴(Lithography)을 그려 넣는 공정입니다. 우리가 흔히 아는 사진관에서 필름을 인화하는 원리와 매우 비슷합니다.핵심 역할: 기판 위에 필름을 증착하고, 그 위에 빛에 반응하는 감광제(Photoresist, PR)를 바른 뒤, 마스크(설계도)를 대고 특정 부분에만 빛을 쏘아(노광) 패턴을 만듭니다. 이후 불필요한 감광제를 식각/제거하여 원하는 회로를 완..

[라이브 세션] 머신러닝 심화 2회차 🆚 01. 지도학습 vs 비지도학습(클러스터링)본격적인 개념 파악에 앞서, 우리가 기존에 배웠던 지도학습과 무엇이 다른지 직관적으로 비교해 볼까요?구분지도학습 (Supervised)비지도학습 (Unsupervised)입력 데이터(x,y)입력 + 정답x만 (정답 없음)핵심 목표새로운 데이터의 정답을 예측데이터의 숨겨진 구조와 패턴 발견대표 예시스편 메일 분류, 불량품 판정고객 행동별 그룹 묶기, 토픽 모델링평가 방법정확도(Accuracy), F1-Score 등군집 품질 지표 (실루엣 스코어 등)🎯 02. 클러스터링(Clustering)이란?"기준을 가지고 데이터의 숨은 구조를 발견해 이름표 달아주기"클러스터링은 정답이 없어도 데이터끼리의 거리를 측정해서 자동으로 비..

✏️ 01. 학습 (Training): 모델이 '정답'을 찾아가는 과정"학습의 핵심은 '내가 얼마나 틀렸는가'를 스스로 아는 것부터 시작합니다."① 손실 함수 (Loss Function) : "현재 모델이 얼마나 틀렸나?"모델이 예측한 값과 실제 정답 사이의 차이(오차)를 수치화하는 함수입니다.공정 비유: 제품 설계 치수와 실제 생산된 치수 사이의 '오차'와 같습니다. 당연히 이 오차 값이 0에 가까울수록 모델의 성능이 좋다는 뜻이겠죠? (대표적인 지표: RMSE, MAE 등)② 경사 하강법 (Gradient Descent) : "오차를 줄이려면 어느 방향으로 가야 하나?"손실 함수의 값을 최소화(오차를 최소화)하기 위해 모델의 내부 파라미터(가중치)를 조금씩 업데이트하는 알고리즘입니다.등산 비유: 마치..

안녕하세요! 오늘은 머신러닝에서 예측 성능을 끌어올릴 때 절대 빠지지 않고 등장하는 핵심 개념, '앙상블 모델(Ensemble Model)'에 대해 쉽고 깔끔하게 정리해 보려고 합니다.중요한 결정을 내릴 때 여러 전문가의 의견을 모으듯, 머신러닝에서도 여러 개의 모델을 합치면 훨씬 강력한 힘을 발휘하는데요. 앙상블의 기본 개념부터 대표적인 두 가지 줄기인 배깅(Bagging)과 부스팅(Boosting)까지 핵심만 쏙쏙 뽑아 전해드립니다!💡 01. 앙상블 모델이란?"여러 명의 전문가가 모여 의견을 내는 것이, 한 명의 전문가보다 더 나은 결과를 낸다."앙상블 모델은 한 마디로 '집단지성'을 활용한 머신러닝 기법입니다. 마치 중요한 수술을 앞두고 여러 의사의 소견을 종합해 최종 결정을 내리는 것처럼, 여러..

안녕하세요! 오늘은 머신러닝의 가장 기본이 되면서도 핵심적인 과정인 데이터 전처리, 회귀/분류 모델링, 그리고 성능 평가까지의 전체 과정을 정리해 보겠습니다. 1. 머신러닝 프로세스 개요 (Machine Learning Pipeline)Data Loading분석에 필요한 데이터셋을 불러옵니다. (csv, excel, sql 등)· train set (학습용, 레이블 있음)· test set (평가용, 레이블 없음)DataSets (All, Train, Test)Data Preprocessing & Feature Engineering· 결측치 처리, 이상치 처리, 데이터 보정· Feature Engineering: 기존 데이터를 활용한 신규 데이터 열 생성, 카테고리 데이터 변형(One-Hot Encodi..

오늘은 한국 취업센터에서 앞으로의 저희들이 취업에 있어서 면접이나 자기소개를 쓸때 유용하게 써먹을 수 있는 팁을 알려주셧어요. 알려주셧던 내용 중 하나가 AI역량검사인데 오늘은 이것에 대해 이야기해보도록 하겠습니다. 신역검은 "잠시 쉴게요"라는 기능이 있습니다. 역검 중간에 자리를 비울 수 있다는 얘기입니다.(화장실 등) 물론 진행 중에는 불가하고, 예를 들면 가위바위보 게임을 모두 마치고 홈 화면에서 버튼을 누른 후 휴식할 수 있습니다. 해당 기능은 주어진 횟수 제한이 없지만, 최대한 3회 미만으로 사용을 해주는 편이 좋다고 말씀해주셧습니다. 1, 성향 파악 1-1. 나 알아보기 온라인 인성검사와 크게 다르지 않은 수준이고 전혀 그렇지 않다부터 매우 그렇다까지의 육지선다이며, 총 124문항에 문항당 체..

오늘은 실제로 코드를 사용하여 문제를 풀었는데, 각 코드에 대해서 간단히 설명하는 글을 적어보도록 하겠습니다. 문제 1문제 설명문자열 s는 한 개 이상의 단어로 구성되어 있습니다. 각 단어는 하나 이상의 공백문자로 구분되어 있습니다. 각 단어의 짝수번째 알파벳은 대문자로, 홀수번째 알파벳은 소문자로 바꾼 문자열을 리턴하는 함수, solution을 완성하세요.제한 사항문자열 전체의 짝/홀수 인덱스가 아니라, 단어(공백을 기준)별로 짝/홀수 인덱스를 판단해야합니다.첫 번째 글자는 0번째 인덱스로 보아 짝수번째 알파벳으로 처리해야 합니다.def solution(s): answer = [] idx = 0 for char in s: if char == ' ': ..

오늘도 팀별 과제를 중심으로 하루가 지나가버렸습니다.처음에는 9 to 9으로 하루에 12시간동안 할 수 있을까? 걱정했는데지금보니 시간이 엄청 너무 빨리가서 부족할 정도에요 ㅜ... 잡담은 여기까지 하고, 오늘은 어제 진행한 부분에 대해서 이야기를 하다가 주어진 데이터에 equipment_log에 적혀있는 [-(숫자)] 데이터 값에 집중해보았어요. 알아보니 이 데이터셋이 장비의 오류코드을 확률이 높더라구요.해당 공정의 장비를 진행하면서 무언가 불량이 생겨 컴퓨터가 그것을 기록해두는거에요. 그래서 제가 딱 "어? 그럼 여기 오류코드 중에서도 결함이 가장 많이 발생하는 것을 캐치해서 그 오류코드가 발생하지 않게 공정 조건을 조율하고 하면 되지 않을까?" 이 생각이 들어서 해당 내용으로 분석을 실시하였습니다...

오늘도 팀원분들과 함께 팀과제를 진행해보았었습니다. 이렇게 데이터 셋을 보고 분석을 하는데 무엇이 문제인지 여러 데이터를 보면서 해결하는게 쉬운일이 아니군요 ㅜㅜ 그래도 데이터를 보고 어떤 변수가 결함과 연관이 있는데 한번 조사를 해보았었습니다. 아직 결론을 도출하진 않았지만 금일 분석한 내용으로 한번 정리를 해볼게요 컬럼정보부터 확인하시면wafer.csv 컬럼 정보wafer_id: 웨이퍼 개별 식별자 (예: WFR-00000)lot_id: 웨이퍼가 속한 생산 단위(Lot) ID (예: LOT-4)process_stage: 현재 진행 중인 공정 단계 (예: Lithography(노광), Etch(식각) 등)temperature_C: 공정 중 측정된 온도 (°C)pressure_mbar: 공정 중 측정된 ..