Uwe Krautz, L6S 마스터 블랙 벨트, GlobalFoundries
빅 데이터와 기계 학습은 반도체 산업이 제품 품질과 자동화를 개선하는 데 도움이 되는 강력한 조합입니다. 그러나 생산 도구 또는 측정 시스템의 데이터(예: FDC/SPC 신호, 원시 센서 데이터, 공정 측정 등)는 종종 기계 학습 접근 방식을 사용하기 전에 정리하고 전처리해야 합니다. 데이터는 선형 회귀와 같은 간단한 모델링 기술이나 아티팩트를 구별하는 방법을 배우지만 문제의 근본 원인이 아닌 심층 신경망과 같은 고급 도구를 사용하기 어렵게 만드는 이상치, 다중 공선성 또는 이상한 분포를 나타낼 수 있습니다. 수천 개의 데이터 세트를 필터링하고 제한된 수의 주요 기능으로 줄여야 합니다. 데이터 정리 및 기능 엔지니어링의 전체 프로세스는 JMP 데이터 시각화 및 분석 도구를 사용하여 가속화할 수 있으므로 데이터 과학자는 데이터 준비에 너무 많은 시간을 소비하지 않고 ML 모델 구축에 집중할 수 있습니다. JMP®에서 얻은 결과는 클라우드 기반 컴퓨팅을 통해 자동화 및 확장할 수 있는 Python 기반 ML로 변환할 수 있습니다.
