為什麼這篇台積電 機器學習 工程師 PTT鄉民發文收入到精華區：因為在台積電 機器學習 工程師 PTT這個討論話題中，有許多相關的文章在討論，這篇最有參考價值！作者negohsu (專打不專業環團)看板Tech_Job標題Re: [心得] 面試心得 MTK/安...
台積電 機器學習 工程師 PTT 在 一顆算頭 讀書帳? ? ? ? ? Instagram 的最佳解答
2021-09-10 22:12:17
大學宣傳文！ - 選華梵，選一個未來！🏆 擔心未來就業，害怕畢業即失業❓ 擔心選錯方向，不喜歡要換系很難❓ 擔心發展不好人脈，未來沒有良師益友互相扶持❓ 學費很貴給家裡造成負擔❓ 這些問題，在華梵都不存在！ ✔提供四年全額獎學金💰 ✔最高30萬💰海外學習獎學金，超過4成學生出國學習 ✔老師一對一...
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 kevin620: 上面都是硬體腦袋，分紅多不多很難說06/20 19:05
推 cplusplus426: gg最不用擔心的就是分紅06/20 19:09
→ wtl: 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
→ wtl: 性應該還是相當比較好 06/20 19:19
推 forfan: 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
→ forfan: 台 06/20 19:30
推 wwwc: 數據固然重要 我倒是覺得做什麼題目更為重要 06/20 19:34
推 coletrain: 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
→ coletrain: 一堆製成工程師薪水06/20 19:37
→ wwwc: 只是要改善良率的話似乎太無趣了 06/20 19:37
推 spiderway: 差不多說到惹 06/20 19:38
推 coletrain: 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
→ coletrain: 一下囉06/20 19:38
推 Kazimir: 該做的都有做吧 DL在結構資料上不見得黑魔法 06/20 19:43
→ clouder0628: 說穿了，yield的很多data本來就跟大數據幾乎一樣 06/20 19:44
→ wtl: 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
→ wtl: 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
→ wtl: 說不定還有機會自己開公司06/20 19:47
推 aiueokaki: 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
→ aiueokaki: 對gg真的很有興趣XD06/20 20:00
推 myjackchen: 鴻海已經開始做了 GG要做應該也可以 06/20 20:13
推 bruce1eee: 以錢來看，要在台灣就選GG，要軟體公司就去美國06/20 20:19
推 smartl: ........製程控制 機械判讀 早就有系統再控制了06/20 20:53
推 bachw: 老場比較有用啦 新製程每天都在動作要大個小06/20 21:00
推 stosto: 硬體腦你要他懂ml? 06/20 21:10
→ truehero: 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
推 youkiller: 台灣的環境就製造腦啊，什麼時候有軟體的錯覺？ 06/20 21:43
→ youkiller: 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
→ youkiller: ，台灣仍然是製造主流，別想太多 06/20 21:44
推 dddddd67: 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
推 spencer222: AI個懶 在GG你連apt-get都不能用 一堆project都只有06/21 01:17
→ spencer222: 喊一喊 報完就沒惹XD 06/21 01:17
噓 pig2014: 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
→ pig2014: 器學習的都是瞎子摸象 06/21 08:47
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？
→ sc1: 台G核心只需要電機06/21 09:12
→ leethomas: 工人智慧當人工智慧 科科 06/21 10:50
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 Morphee: 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
→ Morphee: 連基本製程都沒摸過 沒人服你的06/21 11:17
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
→ jackace: 說真的 過於理想性 06/21 19:17
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 futuredragon: 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
推 tsmc9487: 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
推 mikye: 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
→ mikye: 的deep learning能起什麼作用？ 06/25 20:01