آموزش هوش مصنوعی لبه (Edge AI) و نانوتکنولوژی: نوآوری‌های نیمه‌هادی - آخرین آپدیت

دانلود Edge AI and Nanotechnology: Semiconductor Innovations

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: تولید نیمه‌هادی‌ها به‌طور فزاینده‌ای برای پیش‌بینی انحرافات فرآیندی، بهینه‌سازی بازدهی و ایجاد اعتماد به هوش مصنوعی وابسته است. این دوره شما را با مهارت‌های عملی برای طراحی، ارزیابی و پیاده‌سازی سیستم‌های هشدار زودهنگام مبتنی بر AI تجهیز می‌کند تا از بازدهی تولید محافظت کرده و پاسخگویی بلندمدت را تضمین نمایید. شما در محیط‌های شبیه‌سازی شده Fab، با داده‌های SPC، گزارش‌های سلامت تجهیزات و چارچوب‌های حاکمیتی کار خواهید کرد تا به جای تحلیل‌های واکنشی، تصمیماتی آینده‌نگر و کاربردی اتخاذ کنید. در پایان این دوره، شما قادر خواهید بود یک مدل Random Forest را روی داده‌های تاریخی SPC پیاده‌سازی کنید تا انحرافات ابعاد بحرانی (CD) را ۱۲ ساعت زودتر پیش‌بینی کرده و دقت (Precision) و فراخوانی (Recall) مدل را مستند کنید. همچنین، گزارش‌های سلامت تجهیزات را با تلفات بازدهی در سطح ویفر در سه Fab مختلف تطبیق می‌دهید تا دو سنسور پیش‌بینی‌کننده کلیدی را شناسایی کنید و یک چارچوب حاکمیتی برای تعیین بازه‌های بازآموزی مدل، گیت‌های کیفیت داده و مسیرهای ارجاع برای ارائه در جلسات ماهانه مدیریت تعریف نمایید. داشتن تجربه در زمینه نیمه‌هادی‌ها، مهندسی بازدهی یا فرآیند، یا تحلیل‌های تولید، به همراه آشنایی با SPC و جریان‌های کاری داده‌های Fab الزامی است. تمرین‌های عملی، مدل‌سازی پیش‌بینی‌کننده، تحلیل سنسورها و شبیه‌سازی‌های حاکمیتی به شما مهارت لازم برای پیش‌بینی مشکلات، تفسیر مسئولانه مجموعه‌داده‌های پیچیده و پیاده‌سازی AI به عنوان یک قابلیت عملیاتی قابل اعتماد در محیط‌های تولیدی را می‌دهد.

سرفصل ها و درس ها

پیش‌بینی انحرافات CD با Edge AI و داده‌های SPC Predicting CD Excursions with Edge AI and SPC Data

  • مقدمه و خوش‌آمدگویی Introduction and Welcome

  • از نمودارهای SPC تا سیگنال‌های پیش‌بینی‌کننده From SPC Charts to Predictive Signals

  • آموزش مدل Random Forest روی داده‌های SPC در Fab Training a Random-Forest Model on Fab SPC Data

پیوند دادن سلامت تجهیزات به تلفات بازدهی در سطح ویفر Linking Equipment Health to Wafer-Level Yield Loss

  • از سلامت تجهیزات تا تاثیر بر بازدهی From Equipment Health to Yield Impact

  • گزارش‌های تجهیزات، تله‌متری سنسورها و پایگاه داده‌های بازدهی Equipment Logs, Sensor Telemetry, and Yield Databases

  • رتبه‌بندی سنسورها بر اساس قدرت پیش‌بینی Ranking Sensors by Predictive Power

حاکمیت مدل‌های AI در Fabهای نیمه‌هادی Governing AI Models in Semiconductor Fabs

  • چرا حاکمیت به اندازه دقت مدل اهمیت دارد Why Governance Is as Important as Accuracy

  • اجزای کلیدی حاکمیت برای AI در تولید Key Governance Components for Manufacturing AI

  • از چارچوب نظری تا جلسه مدیریت From Framework to Staff Meeting

  • پیشرفت از طریق یادگیری مستمر Advancing through Continuous Learning

نمایش نظرات

آموزش هوش مصنوعی لبه (Edge AI) و نانوتکنولوژی: نوآوری‌های نیمه‌هادی
جزییات دوره
2h 35m
10
(آخرین آپدیت)
32
- از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar