17卒 本選考ES
データ解析
17卒 | 大阪大学大学院 | 女性
- Q. 選考をご希望のコースを選択してください。
-
A.
データ解析コース 続きを読む
- Q. 統計学や機械学習などデータ解析に必要な知識を体系的に学び活用した経験、またはプログラミング言語を用いて解析をした経験を具体的に教えてください。
-
A.
大学院ではエッチング装置による加工状態管理のための重回帰分析を用いた加工レート予測という研究テーマのもと、回帰分析手法を用いて予測モデリングを行った。背景として、半導体製造工程の中には、ウェハ上の不要な薄膜を除去するエッチング処理が行われて、薄膜の除去速度はエッチングレートと呼ばれている。集積回路を正確に製作するため、安定したエッチングレートでの加工が必要であるが、加工に伴いエッチングレートが徐々に変化してしまうという問題が存在する。エッチングレートが規定の範囲を外れないよう、一定時間を経ったら加工装置のメンテナンスを行うが、メンテナンスの時刻が適切ではない場合、コストがかかってしまう。本研究では、エッチング装置内部の圧力や温度などの装置の状態を観測するセンサから任意の時刻のエッチングレートを予測する方法について検討した。具体的には、まず予測手法を設計するため、実際に計測して得られたエッチングレートの時系列データを検証する。その結果、毎回のメンテナンス後、エッチングレートは同じ値にまで低下するとは限らないこと、メンテナンス後のエッチングレートの変動率も一定ではないことを明らかにした。また、ある装置のエッチングレートとメンテナンスからの経過時間の関係を単回帰分析で検証し、エッチングレートと経過時間が0.95という高い相関を持つことを明らかにした。検証の結果を基づいて、メンテナンス後のセンサデータを用いて、標準化処理と主成分分析による次元削減の前処理を行ってから、線形回帰を用いてエッチングレートの線形変化の傾きを予測し、メンテナンス後の経過時間からエッチングレートを推定する手法を開発した。そして、交差検定手法を使用し、エッチングレート推定の精度を平均絶対誤差と決定係数を用いて評価することにより、提案手法は一般的な重回帰分析より推定精度を40%改善することを確認した。 続きを読む
- Q. 質問1-1以外でプログラミング・データ解析の経験がある場合、その使用言語、ミドルウェア、環境などを踏まえて教えてください。
-
A.
C++4年 Java(Android)2年 C#2年 【1】 統計学 学習経験あり 【2】 計量経済学 経験なし 【3】 データマイニング 活用経験あり 【4】 機械学習 活用経験あり 【5】 自然言語処理 学習経験あり 【6】 その他 ○100文字以下 （記入例）●●の活用経験あり 等 【1】 R 経験なし 【2】 MATLAB 活用経験あり 【3】 SAS 経験なし 【4】 SPSS (SPSS Modeler) 経験なし 【5】 その他 ○100文字以下 （記入例）●●の活用経験あり 等 【1】 Python 活用経験あり 【2】 Java 活用経験あり 【3】 C / C++ 活用経験あり 【4】 Ruby 経験なし 【5】 PHP 経験なし 【6】 その他 ○100文字以下 （記入例）●●の活用経験あり 等 【1】 scikit-learn 活用経験あり 【2】 Mahout 経験なし 【3】 MLlib 経験なし 【4】 その他 ○100文字以下 （記入例）●●の活用経験あり 等 numpyとopencvの活用経験あり 【1】 RDBMS 経験なし 【2】 SQL 学習経験あり 【3】 NoSQL 経験なし 【4】 その他 ○100文字以下 （記入例）●●の活用経験あり 等 【1】 MapReduce(Hadoop) 学習経験あり 【2】 Hive 経験なし 【3】 その他 続きを読む
