세종에 사는 세드릭입니다.

전설 등급의 엠블럼 룬은 합성으로만 얻을 수 있다.

기존 합성 성공률 10%를 100%로 해주는 튜토리얼 퀘스트, 고로의 호출을 활용해서 많은 유저들이 엠블럼 전설을 얻는다.

그치만 전투력을 2.2 달기까지의 시간 동안 에픽(5성) 엠블럼 룬 3개를 모으지 못했었다. (무과금 유저의 한계)

그러다 오늘은 운좋게 5성 3개를 모았다. 일반 승급으로 하면 아래와 같이 성공률은 10%이다.

그동안 전설 룬 승급을 15번은 한 것 같은데, 전부 실패했었다. 10%는 아닌듯..

오랜만에 다시 만난 고로...

고로에게 말을 걸면 100% 확률로 0골드로 승급을 해준다.

과연?!

1티어 룬인 현란함을 획득했다...!

6월 19일 신규 클래스와 메인 스토리 추가 업데이트를 굴비삼아 지난 3주간은 없데이트였다.

그리고 유저들이 돈을 많이 쓰는 보석 세공기 아이템을 무료로 사용할 수 있게되는 버그가 발생했다.

아래 짤처럼 보관함에 보석을 넣었다가 빼면 옵션이 바뀌어있음..

그렇게 현재는 임시 점검 -> 연장 점검 x n 의 굴레에 빠져있다.

이번주 토요일(6/21)에 21주년 판타지파티(오프라인)이 있으니 인게임에는 당연 이벤트가 있을 꺼라 생각했다.

이 신비한 서고는 매년 돌아오는 미니게임을 하는 이벤트다.

인벤토리에 보면 제츠의 초대장이 있고, 사용하면 대표 캐릭터 설정 후 여날을 준다.

사라지진 않는 희귀템같아 보관할까 싶었지만...이런거 모아봤자 짐이다.

여신의 날개를 사용하면, 스튜어트 맞은 편에 도서관으로 이동되는데, 책장 - 역사에서 열쇠를 챙길 수 있다.

그리고 강단을 클릭하면 열쇠를 끼워넣었다는 일러스트가 나온다. 

그리고 오른쪽에 문이 생기는데, 이 문이 앞으로 신비한 서고로 가는 포탈 역할을 한다.

맨 처음에 보았던 신비한 서고, 짜잔~

이렇게 21주년 이벤트가 시작되고, 이벤트 알림판 아이콘이 화면에 생성된다.

온타임 아이템으로 열매 아이템을 주는데, 잘 읽어보면 펫도 경험치가 10000% 상승하는 혜자아이템이다.

물론 200레벨이 한계지만 말이다.

그리고 새로운 키트가 출시되었다.

꼭 이렇게 연출할 수 밖에 없었는지 궁금해진다.

그리고 기본 보상 벨테인 실화인가..

연출만 어떻게 잘 해놨어도 몇번 사봤을 텐데 정말 아쉽다.

글을 쓰는 현재, 마비노기의 다크메이지 아르카나 주무기들은 시세가 바닥을 기고 있다.

얼마전에 구매한 3억짜리 나이트브링어 엘리멘토가 지금은 1억4천을 하니... 에르그 값은 커녕 나이트브링어 장기값도 안된다.

상위 던전을 가고 싶으면 이만한 기회가 없는게 맞는지 이제는 의심스럽다.

다른 직업군이라고 시세 방어가 되고 있지는 않기때문이다.

그런데 이런 와중에 스태프 외형을 출시하는 의도를 모르겠다.

올해 초까지만 해도 마비노기를 잘 하지 않아서 선물받은 미니 PC를 일퀘용으로 잘 사용했었다.

그리고 최근 회사 지인들이 마비노기를 시작하면서, 던전을 돌아주는 용도로 3080 중고 PC를 아주 싸게 들여왔다.

그렇게 미니 PC는 받은 그대로 포장되어 팬트리에 저장당했다.

미니 PC가 비록 선물 받은거지만 계속 안쓸 것 같아 중고로 팔려고 검색해보았다.

램 8 기가인게 구매대행으로 20만원이였다.

선물 받은 PC는 램 16기가, SSD 512기가여서 16만원에 당근으로 내놓으면 금방 팔릴 꺼라 생각했다.

하지만 늘 그렇듯, 당근 거지들이 가격 후려치기 + 질문 세례를 쏟아냈다.

의미 없는 네고질에 질려서 가격을 내리고 있던 찰나, 전파관리소에서 연락이 왔다.

검색해보니 정말 전파법 위반에 해당되는 내용이였고, 아직 판매를 안했으니 괜찮겠지 싶어 게시글을 삭제했었다.

그러나 이후에도 메세지가 왔다.

전화를 해보니, 누군가 국민신문고에 민원을 접수했기에 사건 진행이 되어야하며 이후 게시글을 지워도 위반 여부는 같다고한다.

처벌을 원치 않으면, 진술서를 쓰면 1회는 선처를 해준다기에 방문하겠다고 답변했다. (사실 방문 말고는 답이 없다) 

대전전파관리소까지는 자차를 이용했기에 세종에서 50분정도 걸렸다. 근처 지하철 역은 갈마역이 있다.

테니스장까지 구비되어있고 점심 시간에 테니스를 치는 공무원들이 있는 걸 보면, 나름 직급이 높은 기관 같았다.

입구에서 신분증을 보여주고 출입증을 받아야한다. (방문 당일에는 출입증없이 경비원분이 문을 열어줌)

올라가면 건물 2층에 해당 부서가 있으며 조서실에 들어가서 진술서를 작성해야한다.

초범(?)이여서 진술서만 받고 사건은 종료되었지만 다음에 한번 더 위반하면 앞선 사례와 함께 처벌된다고 했다.

개인이 인증없이 구매한 직구 물건은 1년이 지나야 거래가 가능하다고 한다. 물론 이를 증빙할 자료도 있어야한다.

결국은 KC 인증이 문제인데, 국내에서 사업하는 사람들은 이 인증을 돈내고 받아서 유통 마진을 붙여서 장사를 한다고 한다.

그러니 상대적으로 직구로 구매한 물건이면 마진을 더 붙일 수 있거나 더 싸게 판매가 가능한 구조인 것이다.

인증 받은 사람들이 손해를 본다...이게 핵심이다.

정작 거대 통신사인 SKT는 보안도 제대로 안되어있는 나라에서 고작 KC 인증이란게 무슨 소용이란 말인가.

마비노기에는 이벤트처럼 랜덤 상자를 한정판으로 판매하는 이상한 문화가 있다.

그리고 그 한정판을 주기적으로 풀어버린다. (복각이라고도 함)

그래서 2주/3주 간격으로 의장 템들의 시세가 들쭉날쭉이다.

마비노기는 캐시 아이템 구매시 마일리지 적립을 해주는데,

거래 불가능 의장템이나 랜덤 타이틀 상자를 까볼 수 있다.

(타이틀 상자는 확률이 정말 극악..)

오늘은 목요일이여서 정기 점검을 하고, 새로운 BM이 등장했다.

이전에 팔았던 상자 재탕해버리기, 웰컴 리셀렉션 선물 상자다.

마일리지가 아닌 보너스 포인트라는 새로운 방법으로, 상자를 1개 깔때마다 1포인트씩 적립해준다.

최초 10 포인트시 프콤비(프리미엄 콤비네이션 멤버십) 지급이니, 상자 10개, 15,000원어치를 까면 된다.

마침 프리시즌이 아니여서 프콤비가 필요했는데...

아주 잘됐다 싶었다.

참고로, 프콤비는 아이템샵에서 15,400원이다.

15,000원어치를 사서 적립되는 마일리지는 300이다.

해당 상자는 복각이여서 그런지 아이템을 반환했을 때 마일리지를 지급해주지는 않는다.

보너스 포인트 "이벤트"...

10개를 까면 저 빛나는 보너스 버튼을 눌러준다.

... 꽤나 화려한 이펙트와 함께 프콤비를 준다.

그리고 인벤토리에 키트 상자들이 10개씩 3세트가 있다.

프콤비 하나 얻었으면 됐지 뭐..

작년 8월경, 이직을 준비하며 나브 원드를 팔았었다.

이때 판매가격은 13억 골드, 단일 캐속20 완작이였다.

당시 조금은 급하게 팔았던 이유는 간단했었다.

무료로 나눠준 페러 점성술로도 테흐까지 충분했기 때문이다.

(물론, 현재는 숙련도가 높아져 몽라까지도 가능하다.)

이후 이직하고서는 PC도 제값주고 팔아버리고

N100 미니PC로 일퀘만 가끔하면서 지냈었다.

그리고 8~9개월이 지난 지금,

이직한 회사 사람들이 마비를 한다는 소식에..

3080 PC를 50만원에 구매했다는 이득(?)에..

다시금 나이트브링어 엘리멘토를 구매하게 되었다.

...명분이 충분했을지 모르겠다.

아무튼 13억에 팔았던 원드는 3억이 되어있었다.

특별개조, 인챈트, 에르그, 그리고 세공..

주요 재료인 글라스 기브넨의 심장, 깃털 등을

500만 골드로 환산해도 최소 3억 골드인데 말이다.

왜 이렇게 떨어졌나 싶어 마도카에 물어봤다.

그리고 경매장을 둘러보다보니 파볼트 4 헤보나 로브가 보였다.

파이어볼트 +1 강화권이 4천만 골드인데, 1개 발린 헤보나 로브가 3천만 골드였다.

예전에는 비싸서 못챙겼던 세트 옵션도 챙겨보고 싶었다.

1랭크 솟희보 가격 + 광포한 인챈트 가격정도로 구매 가능한 모자,

세공도 되어있는데 이 가격이 말이되나 싶지만,

확실히 폭락장은 맞는 것 같다.

그리고 솟희보 가격보다 싼 1랭 헤보나 슈즈를 사서 이동속도를 띄웠다.

사실 마법사는 신발에서 챙길 옵션이 이동속도 말고는 없다..

요즘은 블리안 재료가 많이 싸진 것 같아 만들어볼까 싶었지만

일단은 상위던전을 안가기에 여기서 멈추기로 했다.

나이트브링어 엘리멘토 완작 - 3.0

헤보나 로브 파볼트4 - 0.3

헤보나 서클릿 볼조20 - 0.12

헤보나 슈즈 이속5 - 0.15

...고작 3억 5천만골드에 나브 무기와 파볼트 강화를 맞췄다.

Itsycal 은 macOS 우측 상단 메뉴바에 작은 캘린더 프로그램이다.

공식 홈페이지에 가서 다운로드 받는다.

macOS 에서도 윈도우처럼 다양한 인스톨러가 있다.

보통은 Applications 폴더에 설치되도록 스크립트를 작성해주지만,

Itsycal은 직접 Application 폴더에 넣어줘야한다.

그렇다면, 다운받은 Itsycal를 클릭하고 드래그 하여 응용 프로그램 폴더에 넣는다.

다운로드에 있는 Ityscal을 옮길 때면,

꼭 어릴적 컴퓨터실에서 게임하려고 exe만 복사하는 느낌이 든다.

파인더에서 응용 프로그램을 누르면 Itycal이 있는 걸 확인가능하다.

실행해보면 우측 상단에 캘린더가 생긴걸 볼 수 있다.

전체 달력, 일정을 꽤나 Fancy하게 만들어준다.

데이터 집합(data set)은 데이터 객체(data object)의 모임이다.

데이터 객체는 다수의 속성(attribute)에 의해서 기술된다.

- 속성이란, 객체에 따라 또는 시간에 따라 변하는 객체의 특성

속성의 타입 (Types of Attributes)

속성을 표현하기 위해 사용된 값은 속성 자신의 특성이 아닌 특성을 가질 수 있고, 그 역도 성립한다.

숫자(Numeric)와 범주(Categorical) 로 나눌 수 있다.

숫자형 속성 : 실수, 정수 / 범주형 속성 - 가능성있는 유한 집합의 값

Categorical / 정성적(Qualitative) 속성

- 명목형(Nominal) : 순서가 없이 구별 가능한 값을 가짐; ID numbers, eye color, zip codes

- 서열형(Ordinal) : 순서를 정함; height in {tall, medium, short}

Numeric / 정량적(Quantitative) 속성

- 구간(Interval) : 일정한 간격, 정수; calendar dates, temperature in Celsius or Fahrenheit 

- 비율(Ratio) : 실수 ; length, mass, counts

속성이 상이한 타입들

유일성(Distinctness) : = , !=

순서(Order) : <. >

덧셈(Addition) : +, -

곱셈(Multiplication) : *, / 

- Nominal : distinctness

- Ordinal : distinctness & order

- Interval : distinctness, order, & addition

- Ratio : all 4 properties

값의 개수에 의한 속성 기술

속성들을 구분하는 독립적인 방법은 속성이 가질 수 있는 값의 개수를 이용하는 것이다.

이산(discrete) : 유한개의 값 또는 셀 수 있는 무한 집합의 값을 갖는다.

- zip codes, counts

- 대개 정수를 표현

- 이진(binary) 속성은 특별한 케이스

연속(continuous) : 실수 값을 가지며 온도, 높이, 무게와 같은 속성을 예로 들 수 있다.

데이터 집합의 타입

타입은 다양하며 계속 다양해지고 있다. 

Record Data

- Data Matrix : attribute 는 차원을 의미, m x n

- Document Data : bag of word 처럼, 얼마나 빈도수가 있는지 측정, 요즘은 임베딩을 주로 함

- Transaction Data : association rule

Graph

- World Wide Web

- Molecular Structures

Ordered

- Sequence Data

- Time series Data

- Spatial Data

성공적인 데이터 마이닝을 위해서는 데이터에 관련된 문제를 이해해야 한다.

데이터 타입

데이터 객체를 서술하기 위해 사용된 속성(attribute)들이 정량적이든, 정성적이든, 상이한 타입을 가질 수 있다.

- 시계열 데이터, 서로간 관계를 가지는 객체

데이터 타입은 데이터의 분석에 사용하게 될 도구와 기법을 결정한다.

데이터 품질

종종 완벽하지 못한 데이터는 어느정도 불완전성을 알고리즘으로 감내할 수 있다.

데이터 품질을 개선하고자 이해하려고 노력하면 대개 분석 결과의 품질이 개선 된다.

- 잡음, 이상치의 존재, 누락되거나 비-일관적이거나 중복된 데이터, 편중 등

데이터 전처리

원시 데이터는 분석에 적합한 형태로 처리되어야한다.

품질 개선과 특정 데이터 마이닝 기법이나 도구에 맞게끔 데이터를 수정하는게 목표이다.

- 예를 들어, 연속성 속성인 길이의 경우 특정 기법에 적용하기 위해 단기, 중간, 장기와 같은 이산 범위로 변환할 필요가 있다.

관계 측면에서의 데이터 분석

데이터 객체들 간 관계를 발견하고 난 후, 데이터 자체보다는 관계에 남아 있는 분석을 수행한다.

- 객체 유사도나 거리를 계산하고 난 후, 이러한 유사도나 거리를 기반으로 분류, 군집화 등을 수행할 수 있다.

작년부터 파트타임으로 박사과정에 진학 중이다.

이번 3학기에 신청한 데이터 마이닝 수업에서 알게된 내용을 정리하고자 한다.

데이터 마이닝 이란?

데이터로부터 잠재적으로 유용한 정보를 추출하는 것이다.

- 의미있는 패턴 추출을 위해 자동, 반자동 방법을 사용

아래의 그림처럼, 원시 데이터를 유용한 정보로 변환하는 전체 프로세스 중 데이터 마이닝은 필수인 부분이다.

전처리(Preprocessing)의 목적은 원시 입력 데이터를 후속 분석에 적합한 형식으로 변환하는 것이다.

- 가장 힘들고 시간이 많이 걸리는 단계

후처리(Postprocessing)은 유효하고 유용한 결과만 의사 결정 지원 시스템에 통합되도록 보장한다.

- 시각화 등

왜 데이터 마이닝을 해야하는가?

데이터 생성과 수집의 발전으로 인해 엄청나게 많은 데이터가 빠른 속도로 저장되고 있다.

- 동시에 컴퓨팅 자원은 저렴해지면서 강력해지고 있다.

기존 기술들은 아래의 이유로 원시 데이터에 적용할 수 없다.

- Scalability, High dimensionality, Heterogeneous and complex data

데이터 마이닝은 과학자들에 도움이 된다.

- 데이터를 분할하는 것, 분류하는 것, 가설 형성

사회의 주요 문제들을 해결하기 위한 좋은 기회가 된다.

- 복지 정책 및 비용 감소

- 기후 변화의 영향 예측

- 대체 에너지 찾기 등

데이터 마이닝 작업

예측(Prediction) 작업 : 다른 속성(attribute)의 값을 기반으로 특정 속성의 값을 예측하는 것

- 예측될 속성 : 목표, 종속 변수 / 예측에 사용되는 속성 : 설명, 독립 변수

서술(Description) 작업 : 데이터를 서술하는 인간이 이해 가능한 패턴을 찾는 것

- 상관관계, 추세, 클러스터, 궤적 및 이상

예측 모델링(Predictive Modeling)

독립 변수의 함수로 대상 변수에 대한 모델을 작성하는 작업이다.

이러한 예측 모델에는 지도 학습(Supervised learning), 분류(classification)와 회귀(regression)가 있다.

분류 : 튜플(tuple)로 기록된 데이터 (attribute : x, predefined class : y) 에 대한 임의의 x를 통해 y 예측을 목표

- Base Classifiers : Nearest-neighbor classifier, Decision Tree based Methods, Neural Networks, Deep Neural Networks, Naive Bayes and Bayesian Belief Networks, Support Vector Machines

- Ensemble Classifiers : Boosting, Bagging, Random Forests 

회귀 : 튜플로 기록된 데이터 (attribute : x, continuous value : y) 에 대한 임의의 x를 통해 y 예측을 목표

- Base : Linear regression, Logistic regression, Neural Networks, Support Vector Regression, ...

군집화(Clustering) 

동일한 군집에 속하는 관측치가 다른 군집에 속하는 관측치보다 서로 유사하도록 밀접하게 관련된 관측치 그룹을 찾는다.

내부 클러스터 (그룹) 안에 오브젝트들은 거리가 최소가 되도록, 군집 간 거리는 최대가 되도록 한다. 

- Base : K-means clustering, Hierarchical clustering, DBSCAN,...

연관 규칙(Association Rule)

데이터에서 강하게 연관된 기능을 설명하는 패턴을 발견하는데 사용된다.

가장 흥미로운 패턴을 효율적으로 추출한다.

이상 탐지(Anomaly/Outlier Detection)

나머지 데이터와 특성이 크게 다른 관측치를 식별하는 작업이다.

- 이러한 관찰을 이상치 또는 국외자(outlier)라고 함

- KNN distance-based method, Tree based method, Density-based method, SVM-based method, Autoencoder based method, Clustering-based method