Re: [心得] 面試心得 MTK/安霸/應材/台積/外商/

看板Tech_Job作者 (專打不專業環團)時間8年前 (2017/06/20 19:01), 8年前編輯推噓20(21推 1噓 21→)
留言43則, 27人參與, 最新討論串1/1
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://www.ptt.cc/bbs/Tech_Job/M.1497956475.A.DF3.html ※ 編輯: negohsu (101.14.5.197), 06/20/2017 19:04:00
推
06/20 19:05, , 1F
上面都是硬體腦袋，分紅多不多很難說
06/20 19:05, 1F
推
06/20 19:09, , 2F
gg最不用擔心的就是分紅
06/20 19:09, 2F
→
06/20 19:18, , 3F
gg最引以為傲的就是良率 感覺能提升空間有限 去軟體公司發展
06/20 19:18, 3F
→
06/20 19:19, , 4F
性應該還是相當比較好
06/20 19:19, 4F
推
06/20 19:30, , 5F
之前不就有說GG製程都有導入大數據去算出最佳參數跟匹配機
06/20 19:30, 5F
→
06/20 19:30, , 6F
台
06/20 19:30, 6F
推
06/20 19:34, , 7F
數據固然重要 我倒是覺得做什麼題目更為重要
06/20 19:34, 7F
推
06/20 19:37, , 8F
Gg想cost down 當然靠AI來改善製程良率 馬上可以省下
06/20 19:37, 8F
→
06/20 19:37, , 9F
一堆製成工程師薪水
06/20 19:37, 9F
→
06/20 19:37, , 10F
只是要改善良率的話似乎太無趣了
06/20 19:37, 10F
推
06/20 19:38, , 11F
差不多說到惹
06/20 19:38, 11F
推
06/20 19:38, , 12F
當然短時間要取代製程工程師很難啦 工程師們還能在喘
06/20 19:38, 12F
→
06/20 19:38, , 13F
一下囉
06/20 19:38, 13F
推
06/20 19:43, , 14F
該做的都有做吧 DL在結構資料上不見得黑魔法
06/20 19:43, 14F
→
06/20 19:44, , 15F
說穿了，yield的很多data本來就跟大數據幾乎一樣
06/20 19:44, 15F
→
06/20 19:46, , 16F
去GG大概就是那樣 不能說不好 但是現在正是AI剛要起飛的年代
06/20 19:46, 16F
→
06/20 19:47, , 17F
未來各行各業都會需要 機會太多太廣 去軟體公司磨個幾年 未來
06/20 19:47, 17F
→
06/20 19:47, , 18F
說不定還有機會自己開公司
06/20 19:47, 18F
推
06/20 20:00, , 19F
謝謝原po的建議！ 這貼被回真是出乎我意料之外XD 大家
06/20 20:00, 19F
→
06/20 20:00, , 20F
對gg真的很有興趣XD
06/20 20:00, 20F
推
06/20 20:13, , 21F
鴻海已經開始做了 GG要做應該也可以
06/20 20:13, 21F
推
06/20 20:19, , 22F
以錢來看，要在台灣就選GG，要軟體公司就去美國
06/20 20:19, 22F
推
06/20 20:53, , 23F
........製程控制 機械判讀 早就有系統再控制了
06/20 20:53, 23F
推
06/20 21:00, , 24F
老場比較有用啦 新製程每天都在動作要大個小
06/20 21:00, 24F
推
06/20 21:10, , 25F
硬體腦你要他懂ml?
06/20 21:10, 25F
→
06/20 21:12, , 26F
Gg不是已經做的差不多了？裡面的都有人跑出來自己開公司
06/20 21:12, 26F
推
06/20 21:43, , 27F
台灣的環境就製造腦啊，什麼時候有軟體的錯覺？
06/20 21:43, 27F
→
06/20 21:44, , 28F
老實說。。。製造業從民國開台以來就是主流，未來十年
06/20 21:44, 28F
→
06/20 21:44, , 29F
，台灣仍然是製造主流，別想太多
06/20 21:44, 29F
推
06/20 23:50, , 30F
其實用統計學就可以做出來的效果，不一定要用到AI
06/20 23:50, 30F
推
06/21 01:17, , 31F
AI個懶 在GG你連apt-get都不能用 一堆project都只有
06/21 01:17, 31F
→
06/21 01:17, , 32F
喊一喊 報完就沒惹XD
06/21 01:17, 32F
噓
06/21 08:47, , 33F
他媽聽你鬼扯，光那底薪就讓你窮困潦倒，還不說裡面做機
06/21 08:47, 33F
→
06/21 08:47, , 34F
器學習的都是瞎子摸象
06/21 08:47, 34F
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？
→
06/21 09:12, , 35F
台G核心只需要電機
06/21 09:12, 35F
→
06/21 10:50, , 36F
工人智慧當人工智慧 科科
06/21 10:50, 36F
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
推
06/21 11:16, , 37F
台g的思維跟ai公司差很遠 cs博進去會很慘 錢多而已
06/21 11:16, 37F
→
06/21 11:17, , 38F
連基本製程都沒摸過 沒人服你的
06/21 11:17, 38F
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
→
06/21 19:17, , 39F
說真的 過於理想性
06/21 19:17, 39F
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
推
06/21 23:39, , 40F
GG這塊已經很強了，現在進去很難說能再進步多少
06/21 23:39, 40F
推
06/23 22:05, , 41F
如果對AI很有愛就不要來GG, 裡面不是外面想的那樣..
06/23 22:05, 41F
推
06/25 20:01, , 42F
Parts什麼時候會壞大家都知道 不給換就是不給換 這時候你
06/25 20:01, 42F
→
06/25 20:01, , 43F
的deep learning能起什麼作用？
06/25 20:01, 43F
‣ 更多 negohsu 的文章
文章代碼(AID): #1PIG1xtp (Tech_Job)