Uwe Krautz, cinturón negro maestro L6S, GlobalFoundries
Big data y Machine Learning son una poderosa combinación que puede ayudar a la industria de los semiconductores a mejorar la calidad y la automatización del producto. Sin embargo, los datos de las herramientas de producción o los sistemas de medición (p. ej., señales FDC/SPC, datos de sensores sin procesar, mediciones de procesos, etc.) a menudo deben limpiarse y procesarse antes de utilizar enfoques de aprendizaje automático. Los datos pueden exhibir valores atípicos, multicolinealidad o distribuciones extrañas que dificultan el uso de técnicas de modelado simples como la regresión lineal o herramientas más avanzadas como redes neuronales profundas que aprenden a distinguir artefactos pero que no son la causa raíz de un problema. Es necesario filtrar miles de conjuntos de datos y reducirlos a un número limitado de funciones clave. Todo este proceso de limpieza de datos e ingeniería de características se puede acelerar utilizando las herramientas de análisis y visualización de datos de JMP para que los científicos de datos puedan concentrarse en crear modelos de aprendizaje automático sin perder demasiado tiempo luchando con la preparación de datos. Los hallazgos de JMP® se pueden traducir a ML basado en Python, que se puede automatizar y escalar a través de la computación basada en la nube.
