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