其實我只針對GG的AI,或著我該說是機器學習，我認為選GG應該是比較有挑戰性，且發展 性是比較高的 當然，我只是個環工碩，講deep learning肯定是個大外行 GG是間很大的公司，一般單位再怎麼說也不會有什麼大的戰功，絕大多數人都是看著他GG 每年賺多少，在預想自己能拿到多少 能夠有多餘期盼的單位不多，如研發就是一個，然而現在的製程，7nm就夠人做的死去活 來的了，更往下的5nm,3nm更不用講，只會更操而已。在研發之外，深度學習我認為是GG 未來幾年可能會比研發拿到更多分紅的一條路 GG是個很大的工廠，每天除了產出大量的晶圓之外，還有更大量的數據，這些都管叫大數 據好了。現在GG應該有專門針對這 些大數據進行分析的部門，在阿法狗咬的全世界圍棋 高手唉唉叫的同時，企業上層也看到了AI(人工智慧)的應用，能適用在半導體產業嗎？ 就我目前的了解，在工廠的良率提升上是可以的。台積的機台每分每秒都在產生巨量的數 據，這些從機台段拋出的訊號如過能透過機器學習，提早發現機台可能某關鍵零件老化， 或是提早判斷機台是否需要PM。甚至做的更深入點的，是否能透過這些訊號判讀晶圓在pr ocess過程，某個時間某個秒數出現了異常，可能導致低良率的問題呢？ 透過分析不同良率晶圓所收集的大量資訊,能否做到區別出影響良率的關鍵製程，以及該 製程對應的元件或參數，而這些是透過目前GG現有的數據分析所辦不到，得透過機器的自 動學習才可能實現的。這對未來的GG或是世界大廠都是個未知但可能會有高收益的領域 我認為機器學習這塊，台灣才剛要起步，能撐的起這塊的企業除了GG，鴻海之外，我想不 出還其他公司能有這麼大量的資源與數據量可以供應，放棄GG也許不是個很深思的決定 當然，你有自己的考量，僅提供點個人淺見。 -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 101.14.5.197 ※ 文章網址: https://webptt.cc/bbs/Tech_Job/M.1497956475.A.DF3.html ※ 編輯: negohsu (101.14.5.197), 06/20/2017 19:04:00 我不知道台積做這塊的是否是草包，我只知道近五年我所在的公司因為數據分析部門，改 善了不少良率與製程參數，數據分析部門越擴越大。最近也正往機器學習這塊做評估，也 已經有幾個試做。我同意目前這塊還沒有明確的model可以被應用，也還需要更多專才加 入,但這塊決對不是個大便坑,懂？ 講AI只是比較潮，實際就是機器學習,而且AI的用途不是取代工程師，而是更精確的工具 。現在的數據分析如果是放大鏡，機器學習可能就是顯微鏡 業務上我接觸過很多位對製程零概念的人,他就只會數值與模式，重點只在於能否把事情 做出來。在各有各的專業領域下，是要人家服你什麼？ ※ 編輯: negohsu (101.14.5.55), 06/21/2017 18:59:09 幾個月前，我大概會跟你有相似的結論，自從上面的大老闆要我研究一下怎麼運用AI在部 門工作上，還要我弄個project DEMO時，這一切就不一樣了。我跟一直說deep learning is everything的老闆不一樣，在幾個月參訪相關領域的人後，才得到上面的結論。當然 ，以我所在的公司規模是撐不起DL這塊，確實有點理想化，但是不代表這種東西就只是個 不切實際的幻想。有意願談的更多點的，歡迎私下聊聊 ※ 編輯: negohsu (101.14.5.55), 06/21/2017 22:05:23