earticle

영어

This study conducted an empirical study using U.S.-based patent and recruitment data to design a data-driven vocational training system in the field of high bandwidth memory (HBM) technology. Prophet model was used to predict the time series trend and future growth of HBM technology patents, and Natural Language Processing (NLP) model was used to analyze U.S. recruitment data to derive core skills for each job. Based on this, we designed a vocational training module aligned with the National Occupational Competency Standards (NCS). The patent analysis was conducted on 6,322 U.S. patents from 2012 to 2022, and found that patent applications for HBM technology are expected to grow steadily at an average annual rate of 6.89% until 2032. Notably, while semiconductor manufacturing companies remain the dominant players, accounting for 72.7% of all patents, we found that semiconductor design and software companies are increasingly participating. This suggests a growing demand for talent in manufacturing, design, and software. The recruitment data analysis was based on 245 HBM-related job postings in the US-based LinkedIn dataset from 2023 to 2024. The analysis identified 14 job categories and key skill requirements, showing that software and cloud-related skills are playing an increasingly important role in the HBM industry. Software Engineering (17.6%) and Cloud Engineering (11.0%) roles accounted for a high proportion of the jobs, confirming the increasing importance of common technical skills such as AWS and Python. This study makes academic and practical contributions by presenting a new data analysis framework for vocational training design in HBM technologies. The combination of Prophet and NLP models expands the possibilities of building data-driven training schemes in high-tech fields and provides a basis for developing effective vocational training modules that reflect global industry demand. Future research should expand the scope of analysis to various industries and regions, and strengthen the accuracy of the study by applying and validating additional AI models.

한국어

본 연구는 HBM(High Bandwidth Memory) 기술 분야의 데이터 기반 직업훈련 체계를 설계하기 위해 미국 기반 특허 및 채용 데이터를 활용한 실증적 연구를 수행하였다. Prophet 모델을 통해 HBM 기술 특허의 시계열 동향과 미래 성장을 예측하고, 자연어 처리(Natural Language Processing, NLP) 모델을 사용하여 미국 내 채용 데이터를 분석하여 직무별 핵심 스킬을 도출하였다. 이를 바탕으로 NCS(국가직 무능력표준)와 연계된 직업훈련 모듈을 설계하였다. 특허 분석에서는 2012년부터 2022년까지의 미국 특허 6,322건을 대상으로 진행하였으며, HBM 기술 특허 출원이 2032년까지 연평균 6.89%의 안정적 성장을 보일 것으로 전망되었다. 특히, 반도체 제조 기업이 전체 특허의 72.7%를 차지하며 주요 주도 권을 유지하고 있으나 반도체 설계 및 소프트웨어 기업의 참여가 점차 확대되고 있는 추세를 확인하였 다. 이는 제조, 설계, 소프트웨어 영역에서의 인력 수요 증가를 시사한다. 채용 데이터 분석은 2023년 부터 2024년까지 미국 기반 LinkedIn 데이터셋의 HBM 관련 채용 공고 245건을 대상으로 하였다. 분석 결과, 14개의 직무 카테고리와 핵심 기술 요건이 도출되었으며, 소프트웨어 및 클라우드 관련 기술이 HBM 산업에서 점차 중요한 역할을 하고 있음을 보여주었다. Software Engineering(17.6%)과 Cloud Engineering(11.0%) 직무가 높은 비중을 차지하며 AWS, Python 등 공통 기술 역량의 중요성이 증가함 을 확인하였다. 본 연구는 HBM 기술 분야의 직업훈련 설계를 위한 새로운 데이터 분석 프레임워크를 제시함으로써 학술적, 실무적으로 기여한다. Prophet과 NLP 모델의 결합은 첨단 기술 분야에서 데이터 기반 훈련 체계 구축의 가능성을 확장하였으며 글로벌 산업 수요를 반영한 실효성 있는 직업훈련 모듈 개발에 기초 자료를 제공하였다. 향후 연구는 다양한 산업과 지역으로 분석 범위를 확장하고 추가적인 AI 모델의 적용과 검증을 통해 연구의 정확성을 강화할 필요가 있다.