美光和思科在SEMICON West 2017：实现机器学习的前提是让机器使用大量数据创建算法

造课程和实习机会，帮助学生为迎接新兴的制造工作做好准备。"这是一种双赢，因为我们可以获得具备更多相关技能、更加出色的应聘者和学校毕业生，"思科的 Kranz 说道。"这是正确的做法，也符合我们的最大利益。"  

即使没有经过明确的再培训，也会获得新的机会。通过自动执行重复性或日常性的任务（如晶圆厂中的工具维护），人们可以腾出时间专注于更具挑战性和趣味性的问题，诸如算法尚无法解决的问题。"我们发现，有些极其出色的数据科学家曾担任过工程师，"美光科技的 Long 说道。

制造工程师还可以在推动新技术方面发挥重要作用。"有些工程师拥有数十年的经验，在设计新技术的过程中，我们请他们一起参与，"思科的 Kranz 说道。"他们在解决方案的开发中起着重要的作用。" 

未来前景

在竞争日益激烈的市场中，利用数据分析来改进制造至关重要。在半导体制造领域更是如此，各种压力与年俱增，包括降低成本、提高效率以及专注于关键型产品的质量。 

虽然本次讨论的重点是智能制造，但小组还谈到了物联网、机器学习和数据分析对其他业务领域的巨大影响。思科的 Kranz介绍了大约 10 年前兴起的物联网带来的影响，"当时，业务线开始成为互联环境和物联网的主要获益者，"Kranz 说道。"如今，所有公司都在向科技公司演变。"

了解更多SEMICON West 2017 圆桌会议精彩洞见，请点击下方视频观看。

<iframe allowfullscreen="" class="video_iframe" data-ratio="1.6470588235294117" src="https://v.qq.com/iframe/preview.html?vid=n05513bztt6&width=500&height=375&auto=0" data-vidtype="2" data-w="448" frameborder="0" height="300"width="500"></iframe>