어떤 모임인가요?
Object Detection 관련 논문이 많아서 혼자 다 읽기 어려운 경우가 많은데, 기본적인 Object Detection 논문을 같이 리뷰하면서 기초를 탄탄히 만들어 새로운 논문을 더 빠르게 읽을 수 있게 하는 것을 목표로 하는 모임입니다.
모임이 더 궁금하다면 모두의연구소 커뮤니티(https://join.slack.com/t/modulabs/shared_invite/zt-24wqh8x3q-N4AzqCVF_qD1x4RQeqFzAQ) 채널 #04_풀잎스쿨 에서 퍼실이에게 직접 질문할 수 있어요!
무엇을 얻을 수 있나요?
- Object Detection에서 알아야 하는 One-stage, Two-stage 논문들 중 대표적인 논문을 이해할 수 있어요.
- Object Detection 관련 기본 논문 이해를 통해 최신 논문 읽는데 도움이 될 수 있어요.
- Object Detection 관련 기본 논문 이해를 통해 최신 논문 읽는데 도움이 될 수 있어요.
무엇을 공부하나요?
- 기본적인 One-stage/Two-stage Detection 논문에 대한 이해
- Transformer가 적용된 Detection 논문 이해
- 논문 발표 이후 질의응답을 통해 논문에 대한 이해도 높이기
어떤 사전지식이 필요한가요?
- 딥러닝에 대한 기본적인 이해
- Object Detection에 대한 기본적인 이해
이런 분들이 들으면 좋아요!
- Object Detection 기본 논문을 이번 기회에 한 번 공부해보실 분
- Object Detection 공부를 했는데 기본적인 논문에 대해 한 번 정리가 필요하신 분
- Object Detection 공부를 했는데 기본적인 논문에 대해 한 번 정리가 필요하신 분
이런 분들은 신청하기 전 다시 한 번 고민해보세요!
- 딥러닝을 한 번도 공부해 본 적이 없는 분
- 현재 상황상 꾸준히 사전학습을 하기 어려우신 분
- 현재 상황상 꾸준히 사전학습을 하기 어려우신 분
학습유형
사전학습
모임 운영 방식
1. 모임 첫 주에는 각자 발표할 논문을 정하고 첫 번째 논문(Faster R-CNN, YOLO)는 퍼실이가 발표를 진행할 계획입니다.
2. 각자 맡은 강의를 발표하는 날에 준비하신 발표 자료를 기반으로 발표를 진행해주시면 됩니다.
3. 모임은 아래와 같이 진행할 계획입니다.
- 1교시: 발표(50분~60분), 질의응답(20분), 휴식(10분)
- 2교시: 발표(50분~60분), 질의응답(20분)
4. 혹시 개인적인 사정이 생겨 발표 진행이 어려운 경우에는 발표일 일주일 전에는 퍼실이에게 말씀해 주시면 좋을 것 같습니다.
2. 각자 맡은 강의를 발표하는 날에 준비하신 발표 자료를 기반으로 발표를 진행해주시면 됩니다.
3. 모임은 아래와 같이 진행할 계획입니다.
- 1교시: 발표(50분~60분), 질의응답(20분), 휴식(10분)
- 2교시: 발표(50분~60분), 질의응답(20분)
4. 혹시 개인적인 사정이 생겨 발표 진행이 어려운 경우에는 발표일 일주일 전에는 퍼실이에게 말씀해 주시면 좋을 것 같습니다.
커리큘럼
1주차. 자기소개, Faster R-CNN, YOLO
2주차. FPN, YOLO9000
3주차. Mask R-CNN, SSD
4주차. Cascade R-CNN, CornerNet
5주차. RetinaNet, YOLOv3
6주차. EfficientDet, CenterNet
7주차. YOLOv4, Transformer
8주차. ViT, DETR, 마지막 인사
논문 리뷰
- Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks
- You Only Look Once: Unified, Real-Time Object Detection
- Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks
- You Only Look Once: Unified, Real-Time Object Detection
2주차. FPN, YOLO9000
논문 리뷰
- Feature Pyramid Networks for Object Detection
- YOLO9000: Better, Faster, Stronger
- Feature Pyramid Networks for Object Detection
- YOLO9000: Better, Faster, Stronger
3주차. Mask R-CNN, SSD
논문 리뷰
- Mask R-CNN
- SSD: Single Shot MultiBox Detector
- Mask R-CNN
- SSD: Single Shot MultiBox Detector
4주차. Cascade R-CNN, CornerNet
논문 리뷰
- Cascade R-CNN: Delving into High Quality Object Detection
- CornerNet: Detecting Objects as Paired Keypoints
- Cascade R-CNN: Delving into High Quality Object Detection
- CornerNet: Detecting Objects as Paired Keypoints
5주차. RetinaNet, YOLOv3
논문 리뷰
- Focal Loss for Dense Object Detection
- YOLOv3: An Incremental Improvement
- Focal Loss for Dense Object Detection
- YOLOv3: An Incremental Improvement
6주차. EfficientDet, CenterNet
논문 리뷰
- EfficientDet: Scalable and Efficient Object Detection
- CenterNet: Keypoint Triplets for Object Detection
- EfficientDet: Scalable and Efficient Object Detection
- CenterNet: Keypoint Triplets for Object Detection
7주차. YOLOv4, Transformer
논문 리뷰
- YOLOv4: Optimal Speed and Accuracy of Object Detection
- Attention Is All You Need
- YOLOv4: Optimal Speed and Accuracy of Object Detection
- Attention Is All You Need
8주차. ViT, DETR, 마지막 인사
논문 리뷰
- An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale
- End-to-End Object Detection with Transformers
- An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale
- End-to-End Object Detection with Transformers
교재 / 학습자료 / 준비물
- 준비 사항: 매주 진행할 논문 읽어 오기
- 학습 자료: 논문
첫 시간 전 준비사항
- Faster R-CNN, YOLO 논문 읽어 오기
퍼실이 소개
김현욱
#computer-vision #object-detection
자기 소개 및 개설 동기
안녕하세요, 저는 Computer Vision 분야에 관심이 있고 특히 Object Detection 관련 Task에 관심이 있는 김현욱이라고 합니다. Object Detection 관련 논문은 필요할 때 부분적으로 참고했었는데, 이번 기회에 기본 논문을 한 번 정리하면 좋을 것 같아 모임을 개설하게 되었습니다.
소속
모두의연구소 미니모
풀잎스쿨 / LAB 참여 이력
풀잎19기 CV 기본 논문 구현 퍼실
풀잎19기 CS231n으로 시작하는 딥러닝 퍼실
풀잎18기 Object Detection 논문 톺아보기 퍼실
풀잎스쿨 참여 주의사항
Q. 풀잎스쿨은 강의인가요?
풀잎스쿨은 학원식 강의가 아닌, 플립러닝(flipped learning) 방식으로 참여자들이 함께 만들어 나가는 스터디 모임이에요. 따라서 출석과 사전 학습을 성실히 수행하고, 공부한 것을 함께 나눌 의지가 있으시다면 그 어디보다 많은 것을 얻어가실 수 있답니다!
Q. '퍼실이'는 누구인가요?
퍼실이는 함께 공부하는 스터디 리더예요. 강사가 아니어서 강의를 하지는 않지만, 커리큘럼을 기획하고 모임을 진행한답니다. 선의와 공유의 마음으로 기꺼이 지원해 모임을 이끌어 주시는 만큼, 퍼실이와 함께 따뜻한 모임을 함께 만들어 주세요. :)
부득이하게 모임 참석이 어렵거나 모임에 늦는 경우처럼, 원활한 참여가 어려운 경우에는 퍼실이가 미리 인지하고 준비하실 수 있도록 반드시 알려주세요!
Q. 사회적 거리두기 단계에 따라 안전하게 진행되나요?
모두의연구소는 사회적 거리두기 단계별 방역 조치를 지켜, 모든 연구원들이 안전한 환경에서 편안히 활동하실 수 있도록 노력하고 있습니다.
오프라인 모임 또한 사회적 거리두기 단계별 방역 조치에 따라 온라인으로 진행될 수 있습니다. 다만, 방역 조치상 오프라인 모임이 가능한 경우 오프라인 진행을 원칙으로 합니다. 추가적으로, 모임의 질을 위해 온•오프라인 병행은 '지양'하고 있습니다.
풀잎스쿨에는 온라인으로 진행되는 다양한 과정이 있답니다. 시간적•거리적 제약으로 오프라인 참여가 어려우신 분들은 온라인 과정을 주목해 주세요! :)
Q. 온라인 모임에 참여할 때 캠과 마이크를 반드시 켜야 하나요?
네. 모두의연구소는 연구원 분들이 최적의 환경에서 학습과 연구에 몰입하실 수 있는 환경 조성을 최우선으로 하고 있습니다. 따라서, 온라인 모임 시에는 토론과 질문이 빈번한 학습 환경에서의 몰입과 매끄러운 진행을 위해, 반드시 캠과 마이크를 켜서 대화에 참여하도록 안내하고 있습니다.
캠과 마이크를 켤 수 없는 경우에는 아쉽지만 참여를 제한하고 있으니, 반드시 캠과 마이크 기능이 포함된 도구를 준비해 주세요. 원활한 의사소통을 위해 자택 등의 조용한 공간에서 참여해 주시면 감사드리겠습니다.
풀잎스쿨은 학원식 강의가 아닌, 플립러닝(flipped learning) 방식으로 참여자들이 함께 만들어 나가는 스터디 모임이에요. 따라서 출석과 사전 학습을 성실히 수행하고, 공부한 것을 함께 나눌 의지가 있으시다면 그 어디보다 많은 것을 얻어가실 수 있답니다!
Q. '퍼실이'는 누구인가요?
퍼실이는 함께 공부하는 스터디 리더예요. 강사가 아니어서 강의를 하지는 않지만, 커리큘럼을 기획하고 모임을 진행한답니다. 선의와 공유의 마음으로 기꺼이 지원해 모임을 이끌어 주시는 만큼, 퍼실이와 함께 따뜻한 모임을 함께 만들어 주세요. :)
부득이하게 모임 참석이 어렵거나 모임에 늦는 경우처럼, 원활한 참여가 어려운 경우에는 퍼실이가 미리 인지하고 준비하실 수 있도록 반드시 알려주세요!
Q. 사회적 거리두기 단계에 따라 안전하게 진행되나요?
모두의연구소는 사회적 거리두기 단계별 방역 조치를 지켜, 모든 연구원들이 안전한 환경에서 편안히 활동하실 수 있도록 노력하고 있습니다.
오프라인 모임 또한 사회적 거리두기 단계별 방역 조치에 따라 온라인으로 진행될 수 있습니다. 다만, 방역 조치상 오프라인 모임이 가능한 경우 오프라인 진행을 원칙으로 합니다. 추가적으로, 모임의 질을 위해 온•오프라인 병행은 '지양'하고 있습니다.
풀잎스쿨에는 온라인으로 진행되는 다양한 과정이 있답니다. 시간적•거리적 제약으로 오프라인 참여가 어려우신 분들은 온라인 과정을 주목해 주세요! :)
Q. 온라인 모임에 참여할 때 캠과 마이크를 반드시 켜야 하나요?
네. 모두의연구소는 연구원 분들이 최적의 환경에서 학습과 연구에 몰입하실 수 있는 환경 조성을 최우선으로 하고 있습니다. 따라서, 온라인 모임 시에는 토론과 질문이 빈번한 학습 환경에서의 몰입과 매끄러운 진행을 위해, 반드시 캠과 마이크를 켜서 대화에 참여하도록 안내하고 있습니다.
캠과 마이크를 켤 수 없는 경우에는 아쉽지만 참여를 제한하고 있으니, 반드시 캠과 마이크 기능이 포함된 도구를 준비해 주세요. 원활한 의사소통을 위해 자택 등의 조용한 공간에서 참여해 주시면 감사드리겠습니다.
환불정책
첫 모임 시작 전날까지 취소 및 전액 환불이 가능합니다.
환불 신청은 홈페이지 상단의 “문의글 작성” 에서 가능합니다.
환불 신청은 홈페이지 상단의 “문의글 작성” 에서 가능합니다.
Object Detection 논문 톺아보기
모임시작
2022년 01월 15일
모임일시
매주 토요일 13:30 ~ 16:30
모임장소
온라인캠퍼스
모집기간
2021년 12월 13일 ~ 2022년 01월 13일
모집인원
14명
모집방법
신청 후 선발
165,000원
📢 브라우저 창이나 탭을 동시에 한 개 이상 열어서 모임을 신청하는 경우 결제 오류가 발생할 수 있으니 하나씩 신청 부탁드려요!
모집 마감된 모임의 경우 '공석 알림 신청'을 해주시면, 추후 취소하는 참여자가 있는 경우에 이메일로 알림을 보내드립니다.
"모임이 더 궁금하다면 모두의연구소 커뮤니티 채널 #04_풀잎스쿨 에서 퍼실이에게 직접 질문할 수 있어요!"
Object Detection 논문 톺아보기
모임시작
2022년 01월 15일
모임일시
매주 토요일 13:30 ~ 16:30
모임장소
온라인캠퍼스
모집기간
2021년 12월 13일 ~ 2022년 01월 13일
모집인원
14명
모집방법
신청 후 선발
165,000원
📢 브라우저 창이나 탭을 동시에 한 개 이상 열어서 모임을 신청하는 경우 결제 오류가 발생할 수 있으니 하나씩 신청 부탁드려요!
모집 마감된 모임의 경우 '공석 알림 신청'을 해주시면, 추후 취소하는 참여자가 있는 경우에 이메일로 알림을 보내드립니다.
"모임이 더 궁금하다면 모두의연구소 커뮤니티 채널 #04_풀잎스쿨 에서 퍼실이에게 직접 질문할 수 있어요!"
어떤 모임인가요?
Object Detection 관련 논문이 많아서 혼자 다 읽기 어려운 경우가 많은데, 기본적인 Object Detection 논문을 같이 리뷰하면서 기초를 탄탄히 만들어 새로운 논문을 더 빠르게 읽을 수 있게 하는 것을 목표로 하는 모임입니다.
모임이 더 궁금하다면 모두의연구소 커뮤니티(https://join.slack.com/t/modulabs/shared_invite/zt-24wqh8x3q-N4AzqCVF_qD1x4RQeqFzAQ) 채널 #04_풀잎스쿨 에서 퍼실이에게 직접 질문할 수 있어요!
무엇을 얻을 수 있나요?
- Object Detection에서 알아야 하는 One-stage, Two-stage 논문들 중 대표적인 논문을 이해할 수 있어요.
- Object Detection 관련 기본 논문 이해를 통해 최신 논문 읽는데 도움이 될 수 있어요.
- Object Detection 관련 기본 논문 이해를 통해 최신 논문 읽는데 도움이 될 수 있어요.
무엇을 공부하나요?
- 기본적인 One-stage/Two-stage Detection 논문에 대한 이해
- Transformer가 적용된 Detection 논문 이해
- 논문 발표 이후 질의응답을 통해 논문에 대한 이해도 높이기
어떤 사전지식이 필요한가요?
- 딥러닝에 대한 기본적인 이해
- Object Detection에 대한 기본적인 이해
이런 분들이 들으면 좋아요!
- Object Detection 기본 논문을 이번 기회에 한 번 공부해보실 분
- Object Detection 공부를 했는데 기본적인 논문에 대해 한 번 정리가 필요하신 분
- Object Detection 공부를 했는데 기본적인 논문에 대해 한 번 정리가 필요하신 분
이런 분들은 신청하기 전 다시 한 번 고민해보세요!
- 딥러닝을 한 번도 공부해 본 적이 없는 분
- 현재 상황상 꾸준히 사전학습을 하기 어려우신 분
- 현재 상황상 꾸준히 사전학습을 하기 어려우신 분
학습유형
사전학습
모임 운영 방식
1. 모임 첫 주에는 각자 발표할 논문을 정하고 첫 번째 논문(Faster R-CNN, YOLO)는 퍼실이가 발표를 진행할 계획입니다.
2. 각자 맡은 강의를 발표하는 날에 준비하신 발표 자료를 기반으로 발표를 진행해주시면 됩니다.
3. 모임은 아래와 같이 진행할 계획입니다.
- 1교시: 발표(50분~60분), 질의응답(20분), 휴식(10분)
- 2교시: 발표(50분~60분), 질의응답(20분)
4. 혹시 개인적인 사정이 생겨 발표 진행이 어려운 경우에는 발표일 일주일 전에는 퍼실이에게 말씀해 주시면 좋을 것 같습니다.
2. 각자 맡은 강의를 발표하는 날에 준비하신 발표 자료를 기반으로 발표를 진행해주시면 됩니다.
3. 모임은 아래와 같이 진행할 계획입니다.
- 1교시: 발표(50분~60분), 질의응답(20분), 휴식(10분)
- 2교시: 발표(50분~60분), 질의응답(20분)
4. 혹시 개인적인 사정이 생겨 발표 진행이 어려운 경우에는 발표일 일주일 전에는 퍼실이에게 말씀해 주시면 좋을 것 같습니다.
커리큘럼
1주차. 자기소개, Faster R-CNN, YOLO
2주차. FPN, YOLO9000
3주차. Mask R-CNN, SSD
4주차. Cascade R-CNN, CornerNet
5주차. RetinaNet, YOLOv3
6주차. EfficientDet, CenterNet
7주차. YOLOv4, Transformer
8주차. ViT, DETR, 마지막 인사
논문 리뷰
- Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks
- You Only Look Once: Unified, Real-Time Object Detection
- Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks
- You Only Look Once: Unified, Real-Time Object Detection
2주차. FPN, YOLO9000
논문 리뷰
- Feature Pyramid Networks for Object Detection
- YOLO9000: Better, Faster, Stronger
- Feature Pyramid Networks for Object Detection
- YOLO9000: Better, Faster, Stronger
3주차. Mask R-CNN, SSD
논문 리뷰
- Mask R-CNN
- SSD: Single Shot MultiBox Detector
- Mask R-CNN
- SSD: Single Shot MultiBox Detector
4주차. Cascade R-CNN, CornerNet
논문 리뷰
- Cascade R-CNN: Delving into High Quality Object Detection
- CornerNet: Detecting Objects as Paired Keypoints
- Cascade R-CNN: Delving into High Quality Object Detection
- CornerNet: Detecting Objects as Paired Keypoints
5주차. RetinaNet, YOLOv3
논문 리뷰
- Focal Loss for Dense Object Detection
- YOLOv3: An Incremental Improvement
- Focal Loss for Dense Object Detection
- YOLOv3: An Incremental Improvement
6주차. EfficientDet, CenterNet
논문 리뷰
- EfficientDet: Scalable and Efficient Object Detection
- CenterNet: Keypoint Triplets for Object Detection
- EfficientDet: Scalable and Efficient Object Detection
- CenterNet: Keypoint Triplets for Object Detection
7주차. YOLOv4, Transformer
논문 리뷰
- YOLOv4: Optimal Speed and Accuracy of Object Detection
- Attention Is All You Need
- YOLOv4: Optimal Speed and Accuracy of Object Detection
- Attention Is All You Need
8주차. ViT, DETR, 마지막 인사
논문 리뷰
- An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale
- End-to-End Object Detection with Transformers
- An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale
- End-to-End Object Detection with Transformers
교재 / 학습자료 / 준비물
- 준비 사항: 매주 진행할 논문 읽어 오기
- 학습 자료: 논문
첫 시간 전 준비사항
- Faster R-CNN, YOLO 논문 읽어 오기
퍼실이 소개
김현욱
#computer-vision #object-detection
자기소개 및 개설동기
안녕하세요, 저는 Computer Vision 분야에 관심이 있고 특히 Object Detection 관련 Task에 관심이 있는 김현욱이라고 합니다. Object Detection 관련 논문은 필요할 때 부분적으로 참고했었는데, 이번 기회에 기본 논문을 한 번 정리하면 좋을 것 같아 모임을 개설하게 되었습니다.
소속
모두의연구소 미니모
풀잎스쿨 / LAB 참여 이력
풀잎19기 CV 기본 논문 구현 퍼실
풀잎19기 CS231n으로 시작하는 딥러닝 퍼실
풀잎18기 Object Detection 논문 톺아보기 퍼실
풀잎스쿨 참여 주의사항
Q. 풀잎스쿨은 강의인가요?
풀잎스쿨은 학원식 강의가 아닌, 플립러닝(flipped learning) 방식으로 참여자들이 함께 만들어 나가는 스터디 모임이에요. 따라서 출석과 사전 학습을 성실히 수행하고, 공부한 것을 함께 나눌 의지가 있으시다면 그 어디보다 많은 것을 얻어가실 수 있답니다!
Q. '퍼실이'는 누구인가요?
퍼실이는 함께 공부하는 스터디 리더예요. 강사가 아니어서 강의를 하지는 않지만, 커리큘럼을 기획하고 모임을 진행한답니다. 선의와 공유의 마음으로 기꺼이 지원해 모임을 이끌어 주시는 만큼, 퍼실이와 함께 따뜻한 모임을 함께 만들어 주세요. :)
부득이하게 모임 참석이 어렵거나 모임에 늦는 경우처럼, 원활한 참여가 어려운 경우에는 퍼실이가 미리 인지하고 준비하실 수 있도록 반드시 알려주세요!
Q. 사회적 거리두기 단계에 따라 안전하게 진행되나요?
모두의연구소는 사회적 거리두기 단계별 방역 조치를 지켜, 모든 연구원들이 안전한 환경에서 편안히 활동하실 수 있도록 노력하고 있습니다.
오프라인 모임 또한 사회적 거리두기 단계별 방역 조치에 따라 온라인으로 진행될 수 있습니다. 다만, 방역 조치상 오프라인 모임이 가능한 경우 오프라인 진행을 원칙으로 합니다. 추가적으로, 모임의 질을 위해 온•오프라인 병행은 '지양'하고 있습니다.
풀잎스쿨에는 온라인으로 진행되는 다양한 과정이 있답니다. 시간적•거리적 제약으로 오프라인 참여가 어려우신 분들은 온라인 과정을 주목해 주세요! :)
Q. 온라인 모임에 참여할 때 캠과 마이크를 반드시 켜야 하나요?
네. 모두의연구소는 연구원 분들이 최적의 환경에서 학습과 연구에 몰입하실 수 있는 환경 조성을 최우선으로 하고 있습니다. 따라서, 온라인 모임 시에는 토론과 질문이 빈번한 학습 환경에서의 몰입과 매끄러운 진행을 위해, 반드시 캠과 마이크를 켜서 대화에 참여하도록 안내하고 있습니다.
캠과 마이크를 켤 수 없는 경우에는 아쉽지만 참여를 제한하고 있으니, 반드시 캠과 마이크 기능이 포함된 도구를 준비해 주세요. 원활한 의사소통을 위해 자택 등의 조용한 공간에서 참여해 주시면 감사드리겠습니다.
풀잎스쿨은 학원식 강의가 아닌, 플립러닝(flipped learning) 방식으로 참여자들이 함께 만들어 나가는 스터디 모임이에요. 따라서 출석과 사전 학습을 성실히 수행하고, 공부한 것을 함께 나눌 의지가 있으시다면 그 어디보다 많은 것을 얻어가실 수 있답니다!
Q. '퍼실이'는 누구인가요?
퍼실이는 함께 공부하는 스터디 리더예요. 강사가 아니어서 강의를 하지는 않지만, 커리큘럼을 기획하고 모임을 진행한답니다. 선의와 공유의 마음으로 기꺼이 지원해 모임을 이끌어 주시는 만큼, 퍼실이와 함께 따뜻한 모임을 함께 만들어 주세요. :)
부득이하게 모임 참석이 어렵거나 모임에 늦는 경우처럼, 원활한 참여가 어려운 경우에는 퍼실이가 미리 인지하고 준비하실 수 있도록 반드시 알려주세요!
Q. 사회적 거리두기 단계에 따라 안전하게 진행되나요?
모두의연구소는 사회적 거리두기 단계별 방역 조치를 지켜, 모든 연구원들이 안전한 환경에서 편안히 활동하실 수 있도록 노력하고 있습니다.
오프라인 모임 또한 사회적 거리두기 단계별 방역 조치에 따라 온라인으로 진행될 수 있습니다. 다만, 방역 조치상 오프라인 모임이 가능한 경우 오프라인 진행을 원칙으로 합니다. 추가적으로, 모임의 질을 위해 온•오프라인 병행은 '지양'하고 있습니다.
풀잎스쿨에는 온라인으로 진행되는 다양한 과정이 있답니다. 시간적•거리적 제약으로 오프라인 참여가 어려우신 분들은 온라인 과정을 주목해 주세요! :)
Q. 온라인 모임에 참여할 때 캠과 마이크를 반드시 켜야 하나요?
네. 모두의연구소는 연구원 분들이 최적의 환경에서 학습과 연구에 몰입하실 수 있는 환경 조성을 최우선으로 하고 있습니다. 따라서, 온라인 모임 시에는 토론과 질문이 빈번한 학습 환경에서의 몰입과 매끄러운 진행을 위해, 반드시 캠과 마이크를 켜서 대화에 참여하도록 안내하고 있습니다.
캠과 마이크를 켤 수 없는 경우에는 아쉽지만 참여를 제한하고 있으니, 반드시 캠과 마이크 기능이 포함된 도구를 준비해 주세요. 원활한 의사소통을 위해 자택 등의 조용한 공간에서 참여해 주시면 감사드리겠습니다.
환불정책
첫 모임 시작 전날까지 취소 및 전액 환불이 가능합니다.
환불 신청은 홈페이지 상단의 “문의글 작성” 에서 가능합니다.
환불 신청은 홈페이지 상단의 “문의글 작성” 에서 가능합니다.