 |
실험(예: CTA, Hyper-Kamiokande)에서 고려할 수 있는 파라미터 범위를 이론적으로 제시할 수 있도록 연구를 지속하겠습니다. 1. 물리학과 연구주제 및 연구계획 1
2. 물리학과 연구주제 및 연구계획 2
3. 물리학과 연구주제 및 연구계획 3
|
|
 |
파라미터가 포함된 것이 원인이었습니다. 그래서 상관관계가 낮은 파라미터를 소거한 후 data regularization을 진행했습니다. 그 결과, 평균 accuracy가 약 2% 상승한 모델을 구축했습니다. 이를 통해 데이터 분석 시 데이터가 가진 의미 파악이 우선
|
|
 |
파라미터를 변화시켜 이에 따른 웨이퍼의 특성변화를 측정할 수 있었습니다. 이를 통해 Etch rate, Selectivity, Uniformity등의 주요특성이 공정파라미터에 따라 어떻게 변하는지 알게 되었습니다. 이 경험을 통해 얻은 파라미터 변화에 따른 웨이퍼
|
|
 |
파라미터 최적화를 제안했습니다. 기존 제어 시스템에서는 가변 부하 환경에서 제어 성능이 저하되는 문제가 있었기 때문에, 실시간으로 부하 변화에 따라 제어 파라미터를 자동으로 조정할 수 있는 Adaptive Control 기법을 적용하였습니다. 또
|
|
 |
파라미터에 대해 알고 있는 것을 간단히 설명하세요.
9. HPLC의 OQ와 PQ를 어떻게 할 것입니까?
10. 우리 제품을 분석할 수 있는 기기들 말해봐라 (HPLC빼고)
11. 크로마토그래피의 정의와 종류는 무엇인가요?
12. 배양기에서 중요한 것이 무엇이고
|
|
 |
파라미터 튜닝과 평가 지표 분석에 주력했습니다. 팀원들과 긴밀히 소통하며 연구 방향을 공유했고, 결과 발표 준비도 함께 진행해 프로젝트 성공에 기여했습니다.
Q8. 보안 분야에서 AI를 활용할 때 고려해야 할 점은 무엇인가요?
데이터의 민
|
|
 |
파라미터 튜닝과 교차 검증을 수행했습니다.
이러한 기술적 경험들은 LG CNS의 AI 엔지니어 역할에 적합한 자질을 갖추게 해 주었으며, 고도화된 AI 시스템 개발과 고객 맞춤형 솔루션 제공을 통해 회사의 발전에 기여할 수 있을 것입니다.
5. 입
|
|
 |
반으로 공정 파라미터 변화를 분석하며, 설계에 미치는 영향을 정량적으로 평가한 경험이 있습니다.
4) 가장 힘들었던 경험은 무엇이며 어떻게 극복했습니까?
ADC 설계 프로젝트에서 반복적인 실패로 좌절했지만, 기본 원리부터 다시 검토하며
|
|
 |
개선할 때 단순 파라미터 조정보다, 데이터의 분포 자체를 재해석하고, 모델의 입출력 구조를 바꾸어 개선하는 식입니다. 이런 접근은 고도화된 기술뿐 아니라, 혁신적인 문제 해결자에게 요구되는 사고방식이라 생각합니다.
7. 포스코DX 입사
|
|
 |
A의 성능과 직결되는 파라미터, 제조 기술 등 대해 공부했고, 기존의 지식과 비교 대조해보며 연료전지에 대한 전문성을 한 단계 성장시켰다고 생각합니다. 또한 MEA를 비롯 APS,FPS 등 연료전지시스템 전반에 대해 이해하였습니다. 이러한 지식
|
|
메뉴펼치기
