반도체 데이터 분석 스터디 11기 참여후기

반도체 데이터 분석의 기초 개념을 다루었습니다. 모집단과 표본의 차이, 중심위치(평균, 중앙값, 최빈값), 산포(분산, 표준편차, 범위) 개념을 정리했습니다. 데이터 유형은 이산형(이항 분포, 포아송 분포)과 연속형(정규 분포, 지수 분포)으로 구분되며, 각 분포의 수식과 특성을 학습했습니다. 

또한, 데이터 변환 방법(수치 매핑, 더미 변수)과 검정 방법(카이제곱, F-분포) 등을 다루며, 반도체 제조 과정에서 통계적 기법이 어떻게 활용되는지 확인했습니다.

이번 강의를 통해 반도체 데이터 분석에서 통계적 기법이 필수적임을 배웠습니다. 특히 정규 분포를 기반으로 한 데이터 해석과 검정 방법이 중요하며, 실무에서 이를 효과적으로 적용하기 위해 더욱 깊이 있는 이해가 필요하다고 느꼈습니다. 아직 분포별 특징과 활용 사례에 대한 이해도가 부족하다고 느껴서, 이후로는 추가적인 사례 분석을 할 예정입니다. 앞으로 실제 반도체 제조 데이터 분석 프로젝트를 수행하며 학습 내용을 적용하고, 분석 역량을 더욱 강화할 것입니다.

#엔지닉 #반도체데이터분석