정오의 마실

16년부터 지금까지 새해의 첫 일출은 꼭 보러 갔다. 

새해 첫 일출을 꼭 보러가는 것에 그럴듯한 명분이 있지는 않다. 

  다만, 새해 첫 일출이라는 핑계로 국내 이곳저곳을 다녔다. 

이곳저곳 새로운 곳을 다니면서, 새로운 해의 새로운 다짐을 내 마음에 새기고 싶었다. 

 23년은 코로나19 이후 처음으로 일출명소를 국민들에게 개방했다.

당연히 많은 사람들이 해변의 일출 명소로 모일 것을 예상했고, 멀리 가지 못하는 분들은 가까운 명소로 모일 것이라고 예상했다. 

 '사람이 많은 모이는 곳은 위험하니 가지 말아야 한다.'는 2022년 10월 29일의 '10.29 참사'를 생각하며 나는 인적이 없고 조용한 곳에 자리를 잡았다.

'인등산' 

 23년의 첫해는 해변과 같은 낮은 곳이 아닌 산과 같은 높은 곳에서 마주 고하고 싶었다. 

나는 한번도 인등산을 오른 적이 없지만, 인적이 드물고, 너무 낮지 않아서 괜찮은 일출 장관을 기대했다.

 등산 경험도 많지 않았던 내가 아무리 낮은 산이라도 해가 없는 초행길 산을 오르는 것은 무리가 많았다. 

 혼자라면 패기를 믿고 미련 없이 시도했겠지만, 

 아내와 함께 초행야산은 너무나 위험했다.

결국 '인등산' 일출은 포기하고 충청도의 일출명소를 방문하기 위해 발길을 돌렸다. 

하지만, 짐작대로 많은 사람들이 일출명소에 모이고 있었다. 

너무나 많은 사람들이 모이고 있기에 일출 시간에 맞춰서 장소에 도착하는 것은 불가능하게 보였다. 

일출을 보러 가는 길목에서 일출을 마주할 것 같은 지도를 보고 주변의 다른 작은 산으로 발길을 돌렸다. 

충청도 연수동에 '뒷목골'

'계명산'을 바라보는 작은 동네의 뒷산에서 아내와 나는 2023년의 첫 해를 맞이했다. 

아쉽지만, 짙은 구름과 계명산의 높은 산세로 뜨는 해는 볼 수 없었다. 

뜨는 해는 볼 수 없었지만, 밝아오는 새해는 복스럽게 맞이했다.

밝아지는 날 속에서 나의 아내는 뜨는 해보다 밝게 웃었다.  

장인어른께서는 새해 덕담을 주셨다. 

'건강해라' 하셨다.

 올해는 사람이 사람에게 위험하지 않은 해가 되기를 바란다. 

회사에서 제공한 고정IP정보를 받아서, 사용중인 PC의 고정IP정보와 동일한지 확인 하는 방법입니다. 

만약, 사용 중인 PC의 고정IP정보가 회사에서 알려준 정보와 다르다면 PC의 고정IP정보를 수정해야 합니다.

먼저, 자신의 PC의 고정IP 정보가 제대로 등록 되어 있는지 확인합니다. 

< PC에 등록 된 IP정보를 확인하는 방법>

1. 키보드의 (윈도우 키 + R) 를 누르고, '실행'창을 열어 cmd를 입력합니다. 

'cmd' 입력 됐으면, '확인' 버튼을 누릅니다. 

2. 'cmd'가 실행 되면 'ipconfig' 를 입력합니다. 

3. 'Window IP 구성'이 나타나면, 지정 된 IP주소와 동일한지 확인해주세요. 

'IPv4 주소', '서브넷 마스크', '기본 게이트웨이' 주소가 회사에서 사용하는 고정 IP 정보와 동일한지 확인 해야 합니다. 

#주의 사항

1) 유선전화기 사용 시,

* 유선 전화기에도 고정IP를 등록해야 합니다. 만약, 유선전화기에 등로 된 고정IP정보가 PC에 등록 된 고정IP정보와 동일하다면, 전화기 또는 PC의 인터넷이 동작하지 않을 수 있습니다.  

< PC의 고정IP정보를 변경하는 방법>

* Window 10 기준으로 작성 된 내용입니다. 상위 또는 하위 버전의 Window를 사용하실 경우, 해당 버전에 맞는 방법을 이용하여 주시기 바랍니다. 

1. 윈도우 버튼을 누르고, '설정' 페이지로 이동합니다. 

2. '네트워크 및 인터넷' -> 이더넷 -> 이더넷 정보 -> IP 설정에서 '편집'

아래 이미지를 참고하여 순서대로 실행하면, IP설정 화면이 실행 됩니다.

이러면 끝!

 고정 IP가 동작하지 않는 경우는 많은데, 보통은 IP설정하는 사람의 오타로 인해서 발생하는 경우가 많습니다. 

 추천엔진을 활용하여, 고객에게 맞는 제품을 추천할 수 있는 알고리즘을 구성하고자 한다.

 추천엔진은 생각보다 복잡하다.

 기존에 있는 데이터를 생성하는 임의의 값으로 데이터를 '행렬분해'하고 행렬분해 된 결과를 가지고 다시 데이터를 생성한다.

 물론 새로 생성되는 데이터는 기존의 있는 데이터와 유사한 값을 가질 수 있도록 한다.

 해당 알고리즘의 설명과 라이브러리는 (제목: 파이썬 머신러닝 완벽 가이드 | 출판사: 위키북스 | 저자: 권철민)에 '잠재 요인 협업 필터링'을 참고하면 아주 친절하고 자세하게 설명되어 있다.

 일단 '잠재 요인 협업 필터링' 코드를 그대로 입력했다.

• 잘 됐다.

하지만 코드가 잘 되는 것으로 부족했다.

 책에 있는 데이터는 모두 손으로 직접 입력하는 방식으로 되어 있어서 실제로 사용하게 된다면, 데이터를 일일이 입력해야 하는 번거로움이 있었다.

 나는 개발자스럽게 데이터를 하나하나 정성스럽게 입력해야하는 번거로움을 탈피하고자, 데이터를 파일로 입력해서 자동으로 출력을 할 수 있도록 코딩 하기로 했다.

 뿐만 아니라 실제 제품추천을 하기 위해서는 '잠재 요인 협업 필터링'으로 생성 된 행렬예측 데이터와 새로 입력 된 환자와 벡터 유사도를 확인해야 했다.

• 이 모든 과정을 '자동화' 시키고 싶었다.

 완성 된 전체의 코드 중에서 실제로 내가 구성한 코드를 보니까, 초라하기가 그지 없다.

1차 목표: 데이터 입력 자동화

 실제 코드는 데이터를 손으로 입력하도록 되어 있었다.

 위 사진과 같이 데이터를 입력하려고, 무던히도 많은 애를 썼다.

 row가 100개를 넘어간다면, 타이핑으로 입력을 엄두 낼 수가 없는 양이었다.

 아직은 데이터를 호출할 곳이 명확하게 정해진 것이 없어서, 일단 구글 드라이브에 파일을 업로드해서 사용할 수 있도록 코드 했다.

2차 목표: 생성 된 예측행렬 데이터와 새로운 데이터를 row 별로 비교하여 벡터 유사도 확인하기

 이 작업이 제일 지금의 나에게는 매우 어려운 작업이었다. 생성 된 예측행렬 데이터와 새로운 데이터의 벡터 유사도를 자동으로 출력하게 하는 것이다.

 일단 예측행렬의 데이터에 있는 row 데이터를 하나씩 호출해서 새로운 데이터와 벡터 유사도 값을 측정하게 하고, 그중 가장 큰 값을 별도로 선정해야 한다.

 실제로 해당 작업은 예측행렬의 행의 데이터 값을 하나하나 입력해서 새로운 데이터와 벡터 유사도를 출력해야 했다.

 다시 봐도 굉장히 용감하다.

행 데이터를 하나하나 직접 입력해야하는 작업, 이게 너무 힘들었다. 나중에는 더 힘들듯 했다.

 결국에는 혼자서 쿵짝쿵짝하여 자동으로 벡터 유사도 값을 측정하도록 수정했다.

 for문 사용했다.

 지금 보니까 4줄인데, 저 4줄을 작성하기 위해서 엄청 지저분했다. 

 먼 훗날에 내가 보면 이불킥 할 수줍은 작품이겠으나, 지금의 내가 보기에는 수줍은 첫 코딩이다.