현재 반도체 장비 회사에서 5년 정도 재직한 사람이고 저의 도메인 지식과 데이터 분석 지식을 결합시키고 싶어 대학원 진학을 고민 중인 사람입니다. 인하대 전자공학과를 졸업하였고 나이는 32입니다.
하는 업무는 다음과 같습니다. 1. 전기 도면 설계 2. PLC 프로그래밍 3. 온도, 압력, 플라즈마 등의 제어 설계 및 분석을 통해 공정 결과 개선
제가 관심있는 분야는 3번 입니다. 3번 업무를 하며 느낀 것이 분석과 결과 도출의 핵심은 2가지 였습니다. 1. 변수를 통제하며 신뢰할 수 있는 데이터를 뽑았는가 2. 어떤 이론과 원리를 통하여 결과를 도출했는가
결국에 핵심은 '데이터' 였습니다. 문제가 되는 하드웨어를 찾기 위해 올바른 변수를 통제하여야 했고 거기에 맞는 데이터의 변화를 올바르게 분석해야 정확한 결과 값이 나오더군요 문제는 변수가 너무 많고 하나의 변수를 바꾸어도 다른 데이터들도 같이 변하기에 Human Error가 빈번히 나올뿐더러 한번 길을 잘못 들면 뺑뺑 돌기 일수입니다.
여기서 느낀 것이 제대로 된 데이터 분석이 있다면 위의 문제점을 많이 줄여줄 수 있다고 생각했습니다. 찾아보니 데이터쪽 분야에서 데이터 마이닝이 연관이 깊은 것 같았습니다. (데이터 사이언스 분야는 너무 AI 분야라 따라갈 자신도 없을 뿐더러 분야 자체가 다르다 생각합니다.)
제가 데이터 마이닝을 공부하고 싶은 이유는 5년 동안 반도체 장비를 직접 설계하고 직면된 제어 Issue를 직접 Trace 및 해결하며 얻은 풍부한 도메인 지식과 데이터 분석 기술을 결합시켜 앞으로 나아갈 수 있다고 생각했습니다. 거기에 필요한 지식을 얻는 것에는 대학원이 적합하다고도 생각했구요. 개인적으로 판단하기에는 반도체 공정 중 전체적인 공정 라인 데이터를 분석하여 수율을 확보하는 것도 좋지만 각 장비들의 데이터를 수집 및 분석하여 공정을 개선하고 예측사고를 미리 판단하여 예방하는 것도 중요하다고 생각합니다.
현실적으로 나이도 있고 여러가지 문제점들이 존재하겠지만 산업적으로 충분히 전망이 있다고하면 도전해볼 생각입니다만 다른분들의 의견을 여쭙고 싶어 글 써봅니다.
카카오 계정과 연동하여 게시글에 달린 댓글 알람, 소식등을 빠르게 받아보세요
댓글 3개
2024.12.09
저도 비슷한 생각으로 대학원을 퇴사 후 진학했는데 Academic과 industry의 간격이 생각보다 큰것 같습니다 Industry의 경우 기술/이론의 combination이 큽니다. 이를 잘게 쪼개서 a라는 영역만 깊게 파는곳이 대학원입니다. 또한 재정적 서포트가 산업과 스케일 차이가 크기 때문에 중간에 진로설정이 바뀔 가능성이 많습니다. 말씀하신 내용과 다를까봐 조심스럽습니다만 원하시는 내용은 퇴사하신다면 박사라는 라이센스 취득하시고, 4-6년 뒤에 시도해 보실 수 있습니다. 대학원은 가설 검증을 통한 지식 검증이 중점이고, 산업은 practical, scalable에 중점을 둡니다. 아는분의 경우 b라는 산업과 관련된 공대 랩에 들어간후 PI 승인하에 말씀하신 정확한 correlation을 양적 연구에서 접목하기도 하는데, 실제 대학원에서는 data collection을 본인이 직접해야하기 때문에 원하시는 양 만큼은 나오질 않습니다.
2024.12.09
대댓글 1개
2024.12.10