모바일 메뉴 닫기
 
Course

석사과정

과목소개

반도체데이터사이언스 전공

기본과목
학정번호 교과목명 과목설명
DSS6001 통계분석이론 반도체 데이터 분석을 위한 통계 이론을 실무 위주로 강의하며, 반도체 예제를 중심으로 실습을 병행한다.

DSS6004

DSS6013

Python프로그래밍 데이터 분석에 특화된 Python 언어를 배우면서 자료분석과 실험계획법 과목에서 배운 내용을 구현하는 능력을 배양한다.
DSS6002 혁신경영 본 강좌에서는 기술예측, 기획과 개발, 상업화와 확산에 이르는 경영 혁신 활동에 대한 지식을 제공한다. 또한 혁신경영의 최신동향 및 사례를 소개한다
DSS6003 머신러닝1 머신 러닝의 기본 용어와 개념을 배우고, clustering 기법, ensemble 기법, logistic 회귀 분석, K-nearest neighbors, decision tree, association rule 기법을 이론과 함께 예제를 통해서 습득한다.
DSS6007 실험계획법 반도체 데이터 분석을 위한 실험계획법을 이론과 실무 측면에서 강의한다.
DSS6005 머신러닝2 고등 머신 러닝 기법인 support vector machine(SVM), partial least squares(PLS), ensemble 기법을 배우고 반도체 데이터 분석 관련 실습을 진행하여 실무 응용 능력을 함양한다.
DSS6006 최적화이론 최적화의 개본 개념과 최적 수식화에 대해 배우고 이후 기본 이론인 선형계획법(linear programming) 알고리즘에 대해서 배운다. 이를 바탕으로 정수계획법(integer programming) 문제의 최적 해를 찾는 branch&bound 알고리즘을 배운다. 강의 후반부에는 실무에 많이 사용되는 다양한 meta-heuristic 알고리즘을 강의한다. 시스템 최적화 이론은 반도체 생산계획, 공정조건 최적화 등 실무에 많이 적용이 될 것으로 기대한다.
DSS6008 딥러닝 인공신경망의 기본 모델인 multi-layer Perceptron을 배우고, 기본적인 딥러닝 모델인 stacked autoencoders, convolutional neural network(CNN), recurrent neural network(RNN)을 습득한 후 최신 모델인 generative adversarial networks(GAN)을 배운다.
DSS6009 스마트디자인과가치경영 반도체 제조산업과 관련된 가치 경영 사례와 마케팅 사례를 소개하고 논의한다.
DSS6010 인공지능 인공지능 중 최근 각광받는 분야인 강화학습을 다룬다. 강화학습의 기본이 되는 markov decision process(MDP)부터 시작하여 Q-learning, policy gradient, actor critic, deep reinforcement learning 등을 배운다.
DSS6011 반도체데이터사이언스특수논제1

반도체 데이터사이언스의 최신 주제인 FDC(fault detection & classification), VM(virtual metrology), APC(advanced process control), PdM(predictive maintenance), 수율분석(yield analysis)에 관한 머신러닝 및 딥러닝 응용 기술을 배우고,  관련 학계 동향을 알아본다. 또한 실무 적용 가능성을 분석하고 실무 적용을 위해 발전시킬 부분을 찾는 능력을 개발한다.

DSS6012 반도체데이터사이언스특수논제2 반도체 데이터사이언스의 최신 주제인 FDC(fault detection & classification), VM(virtual metrology), APC(advanced process control), PdM(predictive maintenance), 수율분석(yield analysis)에 관한 머신러닝 및 딥러닝 응용 기술을 배우고, 실무 프로젝트를 수행하여 최종 연구보고서를 제출한 후 그 결과를 학점에 반영한다.
DSS7999 연구지도1