Q. [SK HYNIX AI 기술서 기반 경험 결정]

답변 3

• 

  채택스포스코

  코전무 ∙ 채택률 77%

  ---

  채택된 답변

  안녕하세요. 멘티님. 반갑습니다. 지금 적어주신 경험들은 모두 소자 직무와 연결이 잘 되지만 AI 기술서에는 단순히 AI를 써봤다는 느낌보다 학습 데이터와 추론 결과를 활용해 소자 이해나 최적화에 어떤 기여를 했는지가 더 살아나는 경험이 맞습니다. 그래서 우선순위를 두자면 SNN과 MNIST를 연결한 경험이 가장 직접적이고 AX 관점에 가깝습니다. 그 다음은 TCAD 자동화나 파이썬 스크립트처럼 반복 업무를 줄이고 분석 효율을 높인 경험이 좋습니다. 반면 OPC 회귀 최적화는 공정 이해를 보여주기에는 좋지만 AI 기술서에서는 조금 덜 직관적으로 보일 수 있습니다. 작성하실 때는 모델을 만들었다는 점보다 왜 그 방법을 썼는지 그리고 결과로 어떤 판단을 할 수 있었는지를 짧고 선명하게 정리해보시구요. 실무에서 보면 SK하이닉스 소자 쪽은 AI 자체의 화려함보다 실험과 시뮬레이션을 빠르게 엮어서 문제를 좁혀가는 감각을 더 높게 봅니다. 그래서 하나를 고르신다면 SNN 기반 신뢰성 확인 경험을 중심으로 두고 TCAD 자동화나 측정 환경 구축 경험을 보조로 넣는 방식이 가장 안정적입니다. 문장은 기술 나열보다 문제 상황 해결 흐름으로 쓰시면 훨씬 설득력이 생깁니다. 모쪼록 도움이 되셨다면 채택부탁드립니다. 감사합니다.

  ---
• 

  합격 메이트삼성전자

  코부사장 ∙ 채택률 79%

  ---

  채택된 답변

  멘티님. 안녕하세요. ​SK하이닉스 소자 직무의 AI 기술서에는 AI 모델을 직접 구현하여 소자 특성을 검증한 RRAM 소자 모델링 경험이 가장 부합합니다. MNIST 데이터를 활용해 SNN을 학습시키고 높은 정확도로 신뢰성을 확보한 성과는 반도체와 AI 기술의 융합을 보여주는 가장 확실한 AX 경험입니다. ​이와 함께 리눅스나 파이썬을 활용해 시뮬레이션과 측정 환경을 자동화했던 경험을 서브 역량으로 강조하면 디지털 트랜스포메이션 역량까지 함께 증명할 수 있습니다. 단순한 코드 작성을 넘어 소자의 파라미터 최적화와 결부시켜 연구 효율성을 이끌어낸 스토리를 중심으로 기술서를 구성하는 방향을 추천합니다. ​응원하겠습니다.

  ---
• R

  Reminisen5SK하이닉스

  코차장 ∙ 채택률 47% ∙

  회사

  학교

  일치

  ---

  채택된 답변

  안녕하십니까? lg전자에서 기구설계 업무를 했으며, 현재 sk하이닉스 기반기술 직무로 재직중인 reminiscence입니다. AX 경험은 개인적으로 1. OPC 2.SRAM 3. TCAD 4. SNN 의 우선순위로 작성하는 것을 추천드립니다. 도움이 되셨다면 채택 부탁드립니다.

  ---

  ---

  댓글 1

  삼

  삼하 문열고 들어가

  작성자

  2026.06.20

  도움 감사드립니다 !! 혹시 그렇게 우선순위를 정해주신 이유가 있을까요 ?? 제가 생각했을 땐 SNN이 1등일 둘 알았는데 신기해서요 !!