SK하이닉스 기반기술 DMI, ME 관련 질문 드립니다

안녕하세요 하이닉스 현직입니다~

질문자분처럼 제조 AI를 해왔다면 DMI와 ME 둘 다 연결이 상당히 좋은 편이라고 생각합니다. DMI는 쉽게 말하면 inspection / metroloty 두 분야로 나뉘고, 각각 계측 하는 공정이라고 보면 됩니다. 따라서 질문자분의 이미지 기반 결함탐지 경험은 DMI와 굉장히 직접적으로 연결할 수 있습니다. YOLO도 이미지 결함 탐지 방법의 하나로 말씀하신 객체 탐지 기법은 현업에서도 접목해서 사용할 수 있는 기술이구요. DMI에서도 INSPECTION에서 정량화된 결함 탐지에 많이 쓰겠네요. 그리고 ME쪽은 거의 기계입니다. 장비에 대한 이해 그리고 예지보전 고장 관리 등을 하는 부서라고 보면 됩니다. AI 기반으로 양산 장비 품질을 높이고 고질적인 장비 문제를 해결하는 조직입니다. 둘다 AI는 쓰긴 하겠네요. 

안녕하세요.
DMI와 ME는 지원자의 인공지능 연구 경험과 완벽히 맞닿아 있는 조직으로, 사내외 공개 자료의 기술적 맥락을 파악하면 면접을 충분히 준비할 수 있습니다. DMI는 웨이퍼 결함 분석과 계측 데이터를 컴퓨터 비전 모델로 자동 분류하고 고도화하는 조직입니다. ME는 장비 센서의 진동, 온도 등 시계열 데이터와 물리적 해석 기법을 융합해 부품 수명 예측 및 설비 예지보전을 수행하는 장비 R&D 부서입니다. SK하이닉스 뉴스룸의 하이피디아 및 기술 블로그 아티클과 함께 KIPOST나 디일렉의 장비 계측 기사, 학회의 양사 발표 논문 초록을 검색해 보시면 현업의 구체적인 문제 정의를 쉽게 파악할 수 있습니다. 
화이팅입니다.

DMI는 제조 데이터를 활용한 수율 분석과 알고리즘 고도화에 초점이 맞춰져 있고 ME는 제조 장비의 하드웨어 메커니즘 분석을 통해 성능을 극대화하는 직무이므로 본인의 AI 연구 경험은 DMI에서 훨씬 높은 평가를 받을 것입니다. 외부에서 장비의 상세 스펙을 파악하는 것은 불가능에 가깝기에 기술 세미나 자료나 반도체 학회 논문에서 언급된 설비 제어 알고리즘이나 공정 데이터 피드백 로직을 분석하는 것이 가장 현실적인 준비 방법입니다. ME 직무의 경우 최신 장비의 부품명을 암기하기보다는 장비 내 센서 데이터가 어떻게 정합되어 이상 탐지로 이어지는지 그 프로세스를 본인의 연구와 연결해 설명하는 연습을 하십시오. 채용룸 이상의 정보를 찾으려 애쓰기보다는 본인이 다룬 데이터가 실제 현장에서 발생할 수 있는 노이즈나 데이터 불균형 문제를 어떻게 해결했는지 논리적으로 정리하는 편이 면접관들에게 훨씬 매력적으로 다가갈 것입니다. 현직자도 장비 스펙은 입사 후 배우는 영역이니 너무 불안해하지 말고 본인의 연구 역량을 현업 문제 해결에 어떻게 대입할지에 집중하시기 바랍니다.

안녕하세요. SK하이닉스 재직중인 Remin입니다.

제조 AI랑 DMI, ME는 연관이 많습니다. 다만, 자신의 경험을 어떻게, 반도체랑 연관 지을지를 생각하고 자신의 근거를 갖추며 이야기 하는게 정말 중요하다고 생각합니다.