第一次發文請見諒
最近看一些新聞 提到機器人或AI
也看到類神經網路似乎可以從雜亂無章或複雜的data 分析和學習
很類似半導體製程工程師的工作
想請問各位百萬
製程工程師 或設備和整合工程師
在未來會有被AI 取代的一天嗎

你看哪篇新聞？我幫你解讀看看

會 轉行

大哉問

認真回你 DM team 的最容易被這領域入侵而且是ing 我建議DM的人快點準備第二專長

工廠端遲早被RD建出來的工具取代工廠端就是dummy阿..自動化比較貴 請人比較便宜

弱弱的問一下DM是什麼的縮寫？

data mining??

台積去年底才挖了一個KLA的SEM影像專家主管來組team...

所以未來YE的工作會有可能被取代更快嗎？

簡單來說如果TE消變機器人製造課長滿有可能被AI取代的。所有的派工決策都交給電腦學習分析決策

我論文做這個。只要願意應用，機器學習真的對於數據化的分類用處很多

但是機器學習都是伴隨大量的資料才能做決策 資料哪來?還是要有系統做大量輪入 系統建置與維護都是成本花大錢做系統只為了讓機器學習與決策 不如找人來決策可見機器學習應是在既有系統之下的附加產品

機器的存在只是讓人快速做判斷！

回歸自動化E化的點，重複的事情、有範圍的、有跡可循的。

別看αgo 屌打人類 換個遊戲的話又需要人來調整程式

先等水電師傅被取代在緊張

而且說data mining team會被取代?他們也可以學AI啊data mining的AI誰要開發?不可能給AI開發AI啊結果還是data mining team繼續用新的知識做原來的工作總不可能有人發明更好用的扳手 修車工就失業吧

可是工程師比較便宜只要便宜就很難被取代

有難度喔 RD 換個東西 訓練好的model就重新練了以台灣的薪資 把錢多聘幾個RD還划得來

有可能 以後比對機台 提升良率就交給電腦AI甚至調device電性參數 AI搞不好比工程師強人腦只要負責設計突破創新的實驗規劃就好至於餵機器的資料庫根本不用擔心 每天那麼多貨data還怕沒資料訓練AI嗎?input就是各站點機台與參數 output WAT電性 良率..不過比較要擔心的是PIE/PE EE倒是不用擔心被取代因為電腦AI總不會有手修機台 還是得靠設備弟兄XDD

deep 還沒幾年，瓶頸還沒出來，到了瓶頸會不會走不下去？NN 可以處理的是有維度的問題，製程設備不熟，NN可不可以處理是個問號？

最後應該還是老闆看那個總成本便宜，就用哪個

類神經網路這個詞一直出現