VIP20
本课程属于：033-半导体良率提升 半导体工艺与制造设备 · 共 20 门相关课程，组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录 咨询 / 购买

良率预测：深度学习良率预测模型训练与部署指南

共计 30 章节
点击此处阅读海量试读课程：100+行业、1000+细分领域
01
课程导论
良率预测在半导体制造中的重要性 · 深度学习相比传统方法的优势 · 课程目标与学习路径
课程导论良率预测
02
半导体制造基础
晶圆制造流程简介 · 关键工艺步骤（光刻 · 刻蚀
半导体制造基础晶圆制造流程简介
03
良率问题根源分析
系统性缺陷与随机性缺陷 · 良率损失的主要模式（颗粒 · 桥接
良率问题根源分析系统性缺陷
04
数据采集与预处理
传感器数据（FDC） · 测试数据（WAT/CP） · 数据对齐与清洗
数据采集预处理
05
特征工程基础
领域知识驱动的特征提取 · 统计特征（均值 · 方差
特征工程基础领域知识驱动的特…
06
深度学习环境搭建
Python环境配置（Anacond… · PyTorch/TensorFlow… · GPU驱动与CUDA配置
深度学习环境搭建Python
07
PyTorch入门
张量（Tensor）操作 · 自动求导机制 · 构建简单的神经网络（Linear层
PyTorchTensor
08
数据加载与预处理实战
自定义Dataset类 · DataLoader批量加载 · 数据标准化与归一化
数据加载预处理实战
09
全连接神经网络（FCNN）模型
多层感知机（MLP）结构设计 · Dropout防止过拟合 · Batch Normalizatio…
FCNN全连接神经网络
10
卷积神经网络（CNN）基础
卷积核与特征图 · 池化层作用 · 一维卷积在时序数据中的应用
CNN卷积神经网络
11
循环神经网络（RNN）与LSTM
序列建模原理 · LSTM门控机制 · 处理多变量时间序列的良率数据
RNNLSTM
12
Transformer与注意力机制
自注意力（Self-Attentio… · 位置编码 · 在良率预测中的适用场景
Transformer注意力机制
13
图神经网络（GNN）入门
晶圆图（Wafer Map）缺陷模式… · 图结构构建 · GCN/GAT模型应用
GNN图神经网络
14
模型训练基础
损失函数选择（MSE · MAE · Huber Loss）
模型训练基础MSE
15
模型评估与验证
回归指标（R² · RMSE · MAE）
模型评估验证
16
超参数调优
网格搜索（Grid Search） · 随机搜索（Random Search… · 贝叶斯优化（Optuna库）
超参数调优Grid
17
过拟合与欠拟合
诊断方法（学习曲线） · 正则化技术（L1/L2 · Dropout
过拟合欠拟合
18
模型解释性（XAI）
SHAP值分析 · 特征重要性排序 · LIME局部解释
XAI模型解释性
19
模型部署基础
模型序列化（TorchScript · ONNX） · REST API构建（Flask/F…
模型部署基础TorchScript
20
端到端训练流水线
MLflow实验跟踪 · 配置文件管理（YAML） · 自动化训练脚本设计
端到端训练流水线MLflow
21
案例实战一
基于FDC数据的良率回归预测（数据加… · 特征工程 · FCNN模型训练与评估）
案例实战一FDC
22
案例实战二
基于WAT测试参数的良率分类预测（不… · SMOTE采样 · CNN模型应用）
案例实战二WAT
23
案例实战三
基于晶圆图（Wafer Map）的缺… · ResNet迁移学习 · Grad-CAM可视化）
案例实战三Wafer
24
案例实战四
多源数据融合预测（FDC+WAT+W… · 多模态模型设计）
案例实战四FDC+WAT+W
25
模型监控与漂移检测
数据漂移（Data Drift）与概… · 监控指标设置 · 自动重训练触发机制
模型监控漂移检测
26
大规模数据处理
分布式数据存储（Parquet格式） · Spark/Dask并行处理 · 特征存储（Feature Store…
大规模数据处理Parquet
27
模型压缩与加速
模型剪枝（Pruning） · 量化（Quantization） · 知识蒸馏（Knowledge Dis…
模型压缩加速
28
A/B测试与线上验证
在线评估框架设计 · 影子模式（Shadow Mode）部… · 业务指标关联分析
A/B测试
29
项目实战
从需求分析到交付（需求文档 · 数据探索报告 · 模型选型报告
项目实战从需求分析到交付
30
课程总结与未来展望
当前技术挑战（小样本学习 · 可解释性 · 实时性）
课程总结未来展望