I am on my way

나는 매달 내 단점 하나씩 없애보려고 노력하는데 이번달 목표는 탈겁쟁이다. 직업에서 행복을 얻기는 어려울 것 같아, 취미를 찾게 됐고, 그 중 투자가 가장 매력적이고 재미있었다. 주식은 20년도11월부터 했으니까 시작한지 1년이 지났지만, 부동산은 돈이 없다는 이유로 공부조차 하지 않았다. 이번달 목표를 빌미로, 부동산 공부를 하기로 마음을 먹었다. // *부동산을 공부하며 참고해야할 그래프* 1. 10년간 매매가격지수 2. 수요 / 입주 물량 3. 미분양 물량 레버리지 - 수익을 키우기 위해 부채를 끌어다가 자산 매입에 나서는 투자 전략. -> 이를 지렛대 삼아서 또 다른 부를 창출할 수 있는 도구. 절약은 기본, 레버리지는 필수 대출은 두려운 존재가 아니라 감당할 수 있을 만큼 받으면 자산을 불려주는..

우선 클린룸을 경험해볼 수 있다는 것 자체로도 큰 의미가 있었다. 그 다음 장점으로는, 온도/플라즈마/양/어닐링을 Parameter로 데이터를 총 25개정도를 뽑았다. 머신러닝 분석으로는 턱없이 부족한 데이터 양이지만, 시각화, 정확도 계산을 통해 대략적인 데이터 분석은 가능할 것 같고, 잘 부풀려서 자소서에도 적용시킬 수 있다는 점이다. 삼성/하이닉스 취업을 한 선배들 말로는 굳이 필요는 없지만, 굳이 안 할 이유도 없다. 만약 주변에서 고민을 하고 있는 후배가 있다면 추천할 생각이다.

using Plasma : Dry Etch , Ion Implantation , PECVD , PVD , Cleaning(Native Oxide Removal) DC Plasma : only for conductor RF Plasma : Insulator and Conductor Plasma Impedance : Plasma Power , 공정 온도, 압력, gas 종류 및 양에 따라 임피던스는 변한다. forward power 100W , reflected power 0W 임을 확인. SiH4 + 2N2O -> SiO2(수소포함) + 2N2 + 2H2 Aannealing -> SiO2에 포함된 수소를 뽑아줌 -> 두께 얇아짐 PECVD 300'C 100W 300mTorr DR 600A/min LPCVD..

머신러닝을 공부하다보니, 단편적으로 분석을 하고 좋은 수치의 결과물을 내기만 했었다. 주변 앱개발하는 사람들과의 차이를 말해보라면 나는 '배포'의 경험이 없다. 이런 경험의 부재의 원인을 찾아보니, 데이터 사이언티스트와 데이터 엔지니어의 차이를 알게 되었고, MLOps도 알게 되었다. 위는 패스트캠퍼스의 MLOps 강의에서 내가 MLOps가 무엇인지에 대해 대략적으로 알 수 있게된 정보들을 가져왔다. 관심이 있다면, 들어가서 커리큘럼을 읽어보는 것을 추천한다. 출처 : https://fastcampus.co.kr/data_online_mlops/?utm_source=google&utm_medium=cpc&utm_campaign=hq%5E211014%5E207488&utm_content=mlops란&utm..

4학년이지만, 더 바쁘고 알차게 살고자 동아리에 지원했다. 평소 블로그에도, 데이콘 대회 관련해서 코드 업로드를 종종하는데, 혼자서 하다보니 내가 하는 방향이 맞는지 혼란이 왔었다. 그렇다보니 성장도 더딘 느낌이었고, 같이 하고 싶다는 생각을 해왔었다. 우연히 동아리 모집글을 보았고 지원해봤는데, 운이 좋았다. 1년간 활동이다보니, 취준과 겹치긴 하고, 사실 이 부분이 가장 큰 고민이었다. 할 수야 있겠지만 잘 할수 있느냐가 내 삶의 기준이기 때문에 꽤 고민을 많이 해봤고, 충분히 가능하다고 확신이 들었다. 내 대학의 마지막을 함께하는 동아리인 만큼, 행복하고 잘 해야겠다.

이번 주차에는 Inspection Data를 In Wafer 경향성 관점으로 표현해보고, Inspection Data와 EDS Data 사이에 관계를 파이썬을 통해 찾아봤다. 특별히 어려웠던 건 없고, Metrology와 Inspection의 차이를 이해하고, 그 중 Inspection 데이터를 시각화해보고, 분석해볼 수 있는 시간이여서 개인적으로 재밌었다.

Metro 1. Metrology 는 측정과 관련된 것이며, 길이, 두께 등 값을 제시할 수 있다. 2. CD 는 Metrology에 해당하며 길이를 표현하는 경우가 대부분이다. 3. V-SEM 분석 TEM 분석 또한 Metrology에 해당하며, 모두 우리가 만든 패턴의 길이를 측정하고자 하는 것이 주목적이다. SEM : Scanning Electron Microscope 전자를 표면에 충돌시키고 산란되어 나오는 전자를 재흡수하여 분석한다. 높이차이가 나는 곳에서 전자가 더 잘 산란되는 성질이 있고, 따라서 패턴의 경계부분이 밝게 보인다. *밝다고 해서 높은 것이 아니고, 어둡다고 해서 낮은 것은 아니다. -> 높이차이에 중점을 둬야 한다. TEM : Transmission Electron Micros..

이번 과제는 METRO, PHOTO, ETCH 설비를 통해 나온 CD의 평균치와 3시그마 값을 구해보고, 원하는 Spec과 비교를 해봤다. 전처리가 비교적 잘되어있기는 했지만, 현업에서 발생할 수 있는 데이터를 유의미하게 비교해봤기 때문에, 좋은 경험이였다.

메모리 계층도 캐시 메모리 : CPU에 내장되어 빈번하게 사용하는 데이터를 저장. CPU와 긴밀히 통신을 하는 메모리. 메모리 중에서 가장 빠르지만 단위 면적당 단가가 가장 높은 SRAM(Static Random Access Memory)으로 구성. 주 메모리 : DRAM(Dynamic Random Access Memory). SRAM보다는 느리지만 단순한 구조로 이루어져 있어, 가격이 저렴하면서 대용량의 데이터를 저장할 수 있다. 낸드 플래시 : DRAM보다 많이 느리지만, 단위 실리콘 면적당 메모리 용량을 크게 하여 제품 단가를 낮춘 메모리 -> 주로 SSD나 외장 USB 메모리 형태로 사용되며, 단가의 하락에 힘입어 기존의 하드디스크 드라이버를 빠르게 대체하고 있는 중이다. 클라우드 스토리지 : 클..

어제는 무지성으로 돌격했다면, 오늘은 다른 참가자분의 코드를 참고해서 공부를 진행했다. 오늘 배운 점들을 나열해보면 변수에 대해 생각해보고, 파생 변수를 만들었다. 이전에 나는 결측치, 이상치 데이터들을 시각화를 통해 발견하고, 수정은 해봤었지만, 이 분처럼 파생 변수를 만든적은 없었다. 이 프로젝트에서 확인한 파생변수의 예로는 Ground Living Area 는 땅 위에 있는 전체 면적을 의미한다. 1st Flrr Square Feet 는 1층 면적을 의미한다. 만약 Gr Liv Area - 1st Flr SF > 0 이라면 최소 2층이상이라는 의미다. 따라서 2층의 존재여부와 2층이상의면적 이라는 2가지 파생 변수가 생긴다. 데이터분석을 하면서 느끼는건 웬만하면 변수가 많을수록 지표가 좋게 나온다...