엔지닉-반도체 데이터 분석 스터디 3기 후기

반도체 데이터 분석 강의를 통해 데이터의 유형과 분석 기법, 통계적 기초에 대한 체계적인 이해를 쌓을 수 있었습니다. 특히 모집단과 표본, 중심위치, 산포 등의 개념은 데이터를 다루는 데 있어 기본적이면서도 중요한 요소임을 실감했습니다. 이산형 데이터와 연속형 데이터에 대한 설명과 이를 분석하기 위한 수식들은 실질적인 활용성을 높였으며, 분석 결과를 기반으로 의사결정을 내리는 과정이 흥미로웠습니다.

강의에서 가장 인상 깊었던 부분은 데이터 매핑을 통해 비정형 데이터를 분석 가능하도록 전처리하는 방법이었습니다. 이는 실제 현장에서 활용도가 높아 보였고, 데이터가 어떤 형태로든 분석 가능하도록 준비되는 과정이 중요하다는 점을 깨달았습니다. 또한, 데이터의 변동성과 특성을 이해하고 이를 통해 품질을 높이는 접근 방식은 반도체 산업뿐만 아니라 다양한 분야에 적용 가능할 것이라 느꼈습니다.

이번 강의를 통해 데이터 분석이 단순히 수학적 계산에 그치는 것이 아니라, 현업의 문제를 해결하고 더 나은 품질과 성과를 이끌어내는 도구임을 배웠습니다. 이러한 배움을 기반으로, 데이터 기반 사고를 강화하고 반도체 분야의 데이터 분석 전문가로 성장하겠다는 다짐을 하게 되었습니다.