李東宏 Dong-Hong Lee

 喜愛思考、熱愛挑戰、永不放棄

我是一名喜歡思考、用程式解決問題的工程師。

先後曾在台積電擔任過設備工程師與製程工程師、以及在中科院擔任過PLC程式設計工程師、目前則在鉅芯科技擔任AI工程師。

在台積電工作的經歷，讓我學到最多的是如何將每一件看似小事的事做到最好，如何細心以及專注於每一塊可能忽略的細節，唯有將每個細節用心做到最好，才是一名工程師該有的素養。我在擔任設備工程師及製程工程師的時候，最重要的就是如何盡己所能的將設備機台維護到完美，連一顆螺絲釘要鎖到多緊、磅數需要多少都是我們所關心的，唯有如此才能確保晶圓經過自家設備機台時的良率能夠維持一定的水準。

在中科院工作的經歷，讓我學到最多的是如何規劃及設計出國家級的潛艦，我從零開始學習如何應用PLC程式設計，設計與規劃潛艦上電機電子設備的控制。由於從小到大學習新事物的速度一直都還算快速，尤其在台積電時還曾受到主管稱讚學習能力優秀且新事物的適應力快速，因此應用在學期間所學到的電子學、自動控制等理論知識並搭配PLC程式設計，讓我很快就能自己負責規劃與設計潛艦中四大系統中的其中一個，在新聞上看到的IPMS系統中，四大系統的其中之一就是我所負責設計的。

目前在鉅芯科技擔任AI工程師負責晶圓瑕疵分類(ADC)系統，主要提供Deep learning在影像辨識上，幫助半導體廠能夠用最少的人力達到最高的效率在提升半導體良率上，目前我個人所負責完成的專案如下:

1. 應用OCR引擎於辨識wafer ID的系統，主要將圖片透過傳統影像辨識的處理，將特徵強化再透過OCR引擎訓練模型並預測，負責完成的部分包含傳統影像處理、data label、model training、predict and test。
2. 於公司現有的晶圓瑕疵分類系統上，提出將預測結果的分數經由投票機制搭配加權級距的方式處理，可以有效提升系統實際於產品線上應用的準確度約5%。
3. 於公司現有的晶圓瑕疵分類系統上，分析資料平衡的機制，改善部分平衡的方式，可以在不影響準確度的前提下加速系統運行的速度。
4. 應用SOLOv2模型在半導體的測試上，檢測探針於晶圓上的測試狀態，我所設計的系統由於只需要精準預測出晶圓上pad物件的目標，就能夠搭配傳統影像辨識的後處理達到高準確度，目前我所測試得到的準確度約有80%，而這是在訓練資料量只有19張的條件下，而測試的資料量約132張所達到的準確度。
5. 應用XGBoost模型在半導體良率預測上，根據機台Recipe作為資料集，並預測晶圓良率，在75筆資料中所建立的model，其誤差平均在15左右。

我在Coursera上修習吳恩達教授的Deep learning，學習類神經網路，在自學的這段期間所完成的Python專案有:

1. 手刻Perceptron Learning Algorithm(PLA).
2. 手刻Optimizers function配合GIF圖觀察求解最佳解的軌跡.
   
3. 手刻2 layer NN model辨識貓咪圖片.
   
4. 使用Random forest在Kaggle上的競賽.
   
5. IMBD2020 全國智慧製造大數據競賽, 使用Random forest預測填補缺值並用類神經網絡預測結果。
   

秉持著永不放棄的精神、強烈的自我要求及良好的團隊合作與溝通能力，讓我能快速適應新環境，也能在高壓與快節奏的工作環境中完成任務。

我喜歡思考、熱愛挑戰的工作並樂於分享使自己與團隊更進步。

1990, Hsinchu，TW 0931-790-923
[email protected]