TypeScript와 Flow를 이용한 정적 타입 분석의 경험이 있다면, 그 과정에서 배운 점은 무엇인가요?

저는 모델보다 불량맵의 성질부터 봅니다. 웨이퍼 불량은 낱개 점이 아니라, 가장자리에 몰리거나 원형·긁힌 줄 같은 공간 패턴으로 나타납니다. 즉 어디에 어떤 모양으로 모이는지가 핵심이라, 이미지의 공간 구조를 보는 합성곱 기반 분류가 출발점으로 맞다고 봅니다. 다만 진짜 어려움은 모델이 아니라 데이터 불균형입니다. 정상 웨이퍼는 넘치고 특정 불량 유형은 매우 드물어, 그냥 학습하면 드문 불량을 다 정상이라 찍어도 정확도가 높게 나옵니다. 그래서 증강을 그 패턴 성질에 맞춰 씁니다. 불량 패턴은 웨이퍼를 돌리거나 뒤집어도 같은 불량이므로 회전·반전 증강이 의미를 해치지 않아 드문 유형을 늘리는 데 적합합니다. 평가도 정확도가 아니라 드문 불량을 놓친 비율을 따로 봅니다. 못 잡는 신규 패턴은 사람 검수로 모아 다시 학습하는 고리를 둡니다.