엔지닉 반도체 데이터 분석 스터디 19기 2일차 학습일지

<학습 내용>

오늘은 반도체 데이터 분석에서 자주 다루는 이산형 데이터 유형에 대해 학습했다. 베르누이 분포, 이항 분포, 다항 분포, 기하 분포, 음이항 분포, 포아송 분포 등 다양한 분포의 개념과 기대값(평균), 분산 계산 방법을 배웠다. 특히 반도체 결함 데이터, 공정 오류 발생 횟수 등 실제 산업 현장에서 이산형 데이터가 어떻게 활용되는지 사례를 통해 설명받았다. 복잡해 보였던 확률분포가 실제 문제 해결에 어떻게 적용되는지 이해할 수 있었다.

<느낀 점>

이산형 데이터 분포들은 반도체 공정에서 불량률, 실패 횟수 같은 변수를 모델링하는 데 매우 유용하다는 것을 깨달았다. 특히 포아송 분포는 반도체 결함 밀도 분석에서 필수적인 도구라는 점이 인상적이었다. 확률변수를 수학적으로 다루는 능력이 데이터 분석 역량의 핵심임을 실감했다.

<부족한 점 및 각오>

음이항 분포의 정의와 적용이 아직 헷갈린다. 주어진 문제 상황에 어떤 분포를 적용할지 스스로 판단하는 연습이 필요하다. 앞으로 더 많은 문제를 풀어보고, 엔지닉 반도체 데이터 분석 스터디 자료 외에도 관련 서적을 참고해 확률분포 개념을 완전히 내 것으로 만들 계획이다.