Ingeniero de Ciencia de Datos (DS)
- Other
- Other places
- $62 K - $115 K
- Full Time
Fab Sort Manufacturing (FSM) es responsable de la producción de todo el silicio de Intel mediante algunos de los procesos de fabricación más avanzados del mundo en fábricas ubicadas en Arizona, Irlanda, Israel, Oregón y dos nuevos sitios greenfield en Ohio y Alemania.
Como parte de la estrategia IDM2.0 de Intel, FSM está expandiendo rápidamente su operación para entregar productos tanto para clientes internos como para fundiciones, con tecnologías de última generación que se introducirán en la fabricación de alto volumen en un ciclo de 2 años en adelante.
Intel recientemente creó la organización HVM Global Yield en la FSM para fortalecer su operación de rendimiento y permitir un rápido aumento de la eficiencia en las primeras fases de HVM para cada tecnología en colaboración con el equipo de Desarrollo Tecnológico y los gerentes de fábrica de FSM.
Esta solicitud de trabajo es para buscar roles de ingeniería del equipo de Ciencia de Datos (DS) en la organización HVM Global Yield de FSM, reportando al gerente del equipo de Ciencia de Datos.
Los candidatos seleccionados trabajarán con otros miembros en la organización Global Yield incluyendo los equipos de Integración de Procesos, Dispositivos y Defectos de Ingeniería, los equipos de módulo/fabricación y los miembros del equipo TD para lograr el aumento de eficiencia y la optimización del proceso en la etapa inicial de producción, apoyando a clientes internos y externos.
Las responsabilidades de los ingenieros de Ciencia de Datos incluyen (pero no se limitan a):
Identificar fuentes de datos valiosas y establecer un proceso de recopilación de datos automatizada para crear y administrar el conjunto de datos utilizado para el análisis de eficiencia.
Procesamiento de datos estructurados y no estructurados, y construcción de modelos predictivos y algoritmos de machine learning.
Trabajar con el equipo de Modeling Yield para desarrollar nuevos métodos de análisis de eficiencia y algoritmos para proporcionar análisis de eficiencia y soluciones de machine learning de clase mundial en un entorno de fabricación de alto volumen.
Colaborar con Desarrollo Tecnológico, Gerentes de Programa, Integración de Procesos, Integración de Dispositivos y equipos de defectos para identificar detractores de eficiencia y rendimiento y oportunidades de mejora, y apoyar el rápido aumento de la eficiencia en la fase de fabricación de alto volumen.
Apoyar el desarrollo de modelos para predecir con precisión el rendimiento de la línea de producción en la etapa inicial de progresión de Si y entregar propuestas para beneficiar el rendimiento de producción.
Desarrollar modelos y algoritmos para mejorar y automatizar el control de procesos minimizando la pérdida de eficiencia asociada con un estrecho margen de proceso.
Soporte de ingeniería para interacciones técnicas con clientes internos y externos.
El candidato debe poseer las siguientes habilidades de comportamiento:
Técnicas de resolución de problemas con fuerte iniciativa y capacidades de autoaprendizaje.
Capacidad para trabajar con equipos multifuncionales y multiculturales.
Debe demostrar sólidas habilidades de comunicación.
Calificaciones Mínimas
Licenciatura en ciencias e ingeniería.
Experiencia de 3+ años en la industria de semiconductores de nodo avanzado en análisis de eficiencia y ciencia de datos.
Experiencia de 3+ años en lenguajes de programación y big data para desarrollar nuevos métodos de análisis y algoritmos utilizando una gran cantidad de datos de fábrica. Especialidad en análisis de big data y machine-learning.
Experiencia de 3+ años en Física de Dispositivos y en el flujo de procesos de FinFET en su totalidad.
Calificaciones preferidas
Grado avanzado (Master o Ph.D.) en ciencias y en ingeniería.
Experiencia en la dirección o participación en un proyecto de TFT.
Experiencia en el servicio a clientes externos a través de interacciones técnicas.
Habilidades interpersonales demostradas, incluyendo influencia, compromiso y motivación.
Experiencia en el desarrollo de nueva tecnología de semiconductores.
Comprensión básica de los procesos de módulo incluyendo litografía, etch seco, etch húmedo, CMP, difusión, implantación, películas delgadas y metrología.
Modelo de trabajo para este rol
Este rol será elegible para nuestro modelo de trabajo híbrido que permite a los empleados dividir su tiempo entre el trabajo en el sitio en su ubicación de Intel asignada y fuera del sitio. En ciertas circunstancias, el modelo de trabajo puede cambiar para adaptarse a las necesidades del negocio.