어떤 모임인가요?
GNN에 관심이 있으신가요? 환영합니다!
소셜 네트워크 분석, 추천 시스템, 신약 개발 등 다양한 분야에서 활약하고 있는 GNN을 함께 학습하고 라이브러리를 활용하는 능력을 키울 수 있는 기회입니다!
GNN 라이브러리는 Pytorch geometric, DGL, Graph Nets, Spektra를 학습할 계획이고, 스터디원분들의 의견을 종합하여 향후 보완할 예정입니다.
소셜 네트워크 분석, 추천 시스템, 신약 개발 등 다양한 분야에서 활약하고 있는 GNN을 함께 학습하고 라이브러리를 활용하는 능력을 키울 수 있는 기회입니다!
GNN 라이브러리는 Pytorch geometric, DGL, Graph Nets, Spektra를 학습할 계획이고, 스터디원분들의 의견을 종합하여 향후 보완할 예정입니다.
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?
- GNN 라이브러리를 능숙하게 사용할 수 있어요.
- Task별로 최적의 라이브러리를 선택할 수 있는 안목을 갖출 수 있어요.
- 지속가능한 공부 습관과 든든한 리서치 동료도 함께 얻을 수 있어요!
- Task별로 최적의 라이브러리를 선택할 수 있는 안목을 갖출 수 있어요.
- 지속가능한 공부 습관과 든든한 리서치 동료도 함께 얻을 수 있어요!
무엇을 공부하나요?
- 논문 리뷰를 통한 GNN 라이브러리별 특징에 대한 이해
- 튜토리얼을 통한 GNN 라이브러리를 활용하는 방법
- GNN에 적용되고 있는 최적화 기법을 이해하고 활용하는 방법
- 캐글 및 공개된 데이터에 GNN 라이브러리를 적용하는 방법
- 튜토리얼을 통한 GNN 라이브러리를 활용하는 방법
- GNN에 적용되고 있는 최적화 기법을 이해하고 활용하는 방법
- 캐글 및 공개된 데이터에 GNN 라이브러리를 적용하는 방법
어떤 사전지식이 필요한가요?
- GNN에 대한 기본 지식이 필요합니다.
- 파이썬을 자유롭게 사용할 수 있어야 합니다.
- 기초적인 수학 지식을 이해하고 있어야 합니다.
- 파이썬을 자유롭게 사용할 수 있어야 합니다.
- 기초적인 수학 지식을 이해하고 있어야 합니다.
이런 분들이 들으면 좋아요!
- GNN을 사용하고자 하는 developer, researcher
- 논문 리딩 및 발제가 부담스럽지 않은 분
- 아는 것을 공유하는 것을 좋아하는 분
- 새롭고 어려운 것을 배우는 것을 좋아하시는 분
- 논문 리딩 및 발제가 부담스럽지 않은 분
- 아는 것을 공유하는 것을 좋아하는 분
- 새롭고 어려운 것을 배우는 것을 좋아하시는 분
이런 분들은 신청하기 전 다시 한 번 고민해보세요!
- 코딩과 수학이 어려우신 분
- 사전학습을 하기 어려우신 분
- 공유와 토론을 매우 어려워하거나 안 좋아하시는 분
- 사전학습을 하기 어려우신 분
- 공유와 토론을 매우 어려워하거나 안 좋아하시는 분
학습유형
사전학습
모임 운영 방식
1. 모임 전까지 멤버 전원이 사전학습을 합니다.
2. 모임 시간에는 당일에 랜덤으로 추첨된 멤버들이 발표를 진행하고 동시에 질문과 토의 시간을 갖습니다.
3. 모임 이후에는 질문과 그에 대한 답변을 노션에 정리할 예정입니다.
4. 모임 이후에 진행 방식이나 학습 방향에 대한 의견을 자유롭게 나눌 예정입니다.
2. 모임 시간에는 당일에 랜덤으로 추첨된 멤버들이 발표를 진행하고 동시에 질문과 토의 시간을 갖습니다.
3. 모임 이후에는 질문과 그에 대한 답변을 노션에 정리할 예정입니다.
4. 모임 이후에 진행 방식이나 학습 방향에 대한 의견을 자유롭게 나눌 예정입니다.
커리큘럼
Chapter1. PyTorch geometric
Chapter2. Deep Graph Library
Chapter3. Graph Nets
Chapter4. Spektral
1주차 - OT, PyTorch geometric 논문 리뷰
2주차 - PyTorch geometric 라이브러리 활용
2주차 - PyTorch geometric 라이브러리 활용
Chapter2. Deep Graph Library
3주차 - DGL 논문 리뷰
4주차 - DGL 라이브러리 활용
4주차 - DGL 라이브러리 활용
Chapter3. Graph Nets
5주차 - Graph Nets 논문 리뷰
6주차 - Graph Nets 라이브러리 활용
6주차 - Graph Nets 라이브러리 활용
Chapter4. Spektral
7주차 - Spektral 논문 리뷰
8주차 - Spektral 라이브러리 활용
8주차 - Spektral 라이브러리 활용
교재 / 학습자료 / 준비물
GNN Libraries
1. PyTorch geometric
tutorial: https://pytorch-geometric.readthedocs.io/en/latest/notes/create_gnn.html
paper: https://arxiv.org/pdf/1903.02428.pdf
2. Deep Graph Library (DGL)
tutorial: https://docs.dgl.ai/tutorials/blitz/1_introduction.html#sphx-glr-tutorials-blitz-1-introduction-py
paper: https://arxiv.org/pdf/1909.01315v2.pdf
3. Graph Nets
tutorial: https://colab.research.google.com/github/deepmind/graph_nets/blob/master/graph_nets/demos/graph_nets_basics.ipynb
paper: https://arxiv.org/pdf/1806.01261.pdf
4. Spektral
tutorial: https://graphneural.network/getting-started/#creating-a-gnn
paper: https://arxiv.org/pdf/2006.12138.pdf
Tensorflow/gnn
github: https://github.com/tensorflow/gnn
blog: https://blog.tensorflow.org/2021/11/introducing-tensorflow-gnn.html
참고용 강의 및 교재: CS224W: Machine Learning with Graphs, Graph Representation Learning Book William L. Hamilton, McGill University
1. PyTorch geometric
tutorial: https://pytorch-geometric.readthedocs.io/en/latest/notes/create_gnn.html
paper: https://arxiv.org/pdf/1903.02428.pdf
2. Deep Graph Library (DGL)
tutorial: https://docs.dgl.ai/tutorials/blitz/1_introduction.html#sphx-glr-tutorials-blitz-1-introduction-py
paper: https://arxiv.org/pdf/1909.01315v2.pdf
3. Graph Nets
tutorial: https://colab.research.google.com/github/deepmind/graph_nets/blob/master/graph_nets/demos/graph_nets_basics.ipynb
paper: https://arxiv.org/pdf/1806.01261.pdf
4. Spektral
tutorial: https://graphneural.network/getting-started/#creating-a-gnn
paper: https://arxiv.org/pdf/2006.12138.pdf
Tensorflow/gnn
github: https://github.com/tensorflow/gnn
blog: https://blog.tensorflow.org/2021/11/introducing-tensorflow-gnn.html
참고용 강의 및 교재: CS224W: Machine Learning with Graphs, Graph Representation Learning Book William L. Hamilton, McGill University
첫 시간 전 준비사항
- Pytorch geometric 논문을 읽고 모임 시간에 질문해주세요!
- 첫 발표는 제가 진행하겠습니다!
- 첫 발표는 제가 진행하겠습니다!
퍼실이 소개
김세용
#배우는 게 좋아요 #무한긍정
자기 소개 및 개설 동기
안녕하세요! GNN 라이브러리 종류가 많은데, 어떤 것이 더 좋은 건지 모르겠더라구요. 함께 GNN 라이브러리를 파헤쳐 보고 데이터에 적용해서 결과물을 만들어 보면 재밌을 것 같아요!
소속
바이온사이트
풀잎스쿨 / LAB 참여 이력
풀잎18기 GNN 라이브러리 활용 퍼실
풀잎21기 LEET code 풀고 몸 값을 올려보자 참여
풀잎20기 Hands-on TTS 참여
풀잎19기 Difussion / Score-based Models 참여
풀잎19기 거꾸로 보는 self-supervised learning 파트1 참여
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.
GNN 라이브러리 활용
모임시작
2022년 01월 15일
모임일시
매주 토요일 16:00 ~ 19:00
모임장소
온라인캠퍼스
모집기간
2021년 12월 14일 ~ 2022년 01월 13일
모집인원
20명
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!"
GNN 라이브러리 활용
모임시작
2022년 01월 15일
모임일시
매주 토요일 16:00 ~ 19:00
모임장소
온라인캠퍼스
모집기간
2021년 12월 14일 ~ 2022년 01월 13일
모집인원
20명
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?
GNN에 관심이 있으신가요? 환영합니다!
소셜 네트워크 분석, 추천 시스템, 신약 개발 등 다양한 분야에서 활약하고 있는 GNN을 함께 학습하고 라이브러리를 활용하는 능력을 키울 수 있는 기회입니다!
GNN 라이브러리는 Pytorch geometric, DGL, Graph Nets, Spektra를 학습할 계획이고, 스터디원분들의 의견을 종합하여 향후 보완할 예정입니다.
소셜 네트워크 분석, 추천 시스템, 신약 개발 등 다양한 분야에서 활약하고 있는 GNN을 함께 학습하고 라이브러리를 활용하는 능력을 키울 수 있는 기회입니다!
GNN 라이브러리는 Pytorch geometric, DGL, Graph Nets, Spektra를 학습할 계획이고, 스터디원분들의 의견을 종합하여 향후 보완할 예정입니다.
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?
- GNN 라이브러리를 능숙하게 사용할 수 있어요.
- Task별로 최적의 라이브러리를 선택할 수 있는 안목을 갖출 수 있어요.
- 지속가능한 공부 습관과 든든한 리서치 동료도 함께 얻을 수 있어요!
- Task별로 최적의 라이브러리를 선택할 수 있는 안목을 갖출 수 있어요.
- 지속가능한 공부 습관과 든든한 리서치 동료도 함께 얻을 수 있어요!
무엇을 공부하나요?
- 논문 리뷰를 통한 GNN 라이브러리별 특징에 대한 이해
- 튜토리얼을 통한 GNN 라이브러리를 활용하는 방법
- GNN에 적용되고 있는 최적화 기법을 이해하고 활용하는 방법
- 캐글 및 공개된 데이터에 GNN 라이브러리를 적용하는 방법
- 튜토리얼을 통한 GNN 라이브러리를 활용하는 방법
- GNN에 적용되고 있는 최적화 기법을 이해하고 활용하는 방법
- 캐글 및 공개된 데이터에 GNN 라이브러리를 적용하는 방법
어떤 사전지식이 필요한가요?
- GNN에 대한 기본 지식이 필요합니다.
- 파이썬을 자유롭게 사용할 수 있어야 합니다.
- 기초적인 수학 지식을 이해하고 있어야 합니다.
- 파이썬을 자유롭게 사용할 수 있어야 합니다.
- 기초적인 수학 지식을 이해하고 있어야 합니다.
이런 분들이 들으면 좋아요!
- GNN을 사용하고자 하는 developer, researcher
- 논문 리딩 및 발제가 부담스럽지 않은 분
- 아는 것을 공유하는 것을 좋아하는 분
- 새롭고 어려운 것을 배우는 것을 좋아하시는 분
- 논문 리딩 및 발제가 부담스럽지 않은 분
- 아는 것을 공유하는 것을 좋아하는 분
- 새롭고 어려운 것을 배우는 것을 좋아하시는 분
이런 분들은 신청하기 전 다시 한 번 고민해보세요!
- 코딩과 수학이 어려우신 분
- 사전학습을 하기 어려우신 분
- 공유와 토론을 매우 어려워하거나 안 좋아하시는 분
- 사전학습을 하기 어려우신 분
- 공유와 토론을 매우 어려워하거나 안 좋아하시는 분
학습유형
사전학습
모임 운영 방식
1. 모임 전까지 멤버 전원이 사전학습을 합니다.
2. 모임 시간에는 당일에 랜덤으로 추첨된 멤버들이 발표를 진행하고 동시에 질문과 토의 시간을 갖습니다.
3. 모임 이후에는 질문과 그에 대한 답변을 노션에 정리할 예정입니다.
4. 모임 이후에 진행 방식이나 학습 방향에 대한 의견을 자유롭게 나눌 예정입니다.
2. 모임 시간에는 당일에 랜덤으로 추첨된 멤버들이 발표를 진행하고 동시에 질문과 토의 시간을 갖습니다.
3. 모임 이후에는 질문과 그에 대한 답변을 노션에 정리할 예정입니다.
4. 모임 이후에 진행 방식이나 학습 방향에 대한 의견을 자유롭게 나눌 예정입니다.
커리큘럼
Chapter1. PyTorch geometric
Chapter2. Deep Graph Library
Chapter3. Graph Nets
Chapter4. Spektral
1주차 - OT, PyTorch geometric 논문 리뷰
2주차 - PyTorch geometric 라이브러리 활용
2주차 - PyTorch geometric 라이브러리 활용
Chapter2. Deep Graph Library
3주차 - DGL 논문 리뷰
4주차 - DGL 라이브러리 활용
4주차 - DGL 라이브러리 활용
Chapter3. Graph Nets
5주차 - Graph Nets 논문 리뷰
6주차 - Graph Nets 라이브러리 활용
6주차 - Graph Nets 라이브러리 활용
Chapter4. Spektral
7주차 - Spektral 논문 리뷰
8주차 - Spektral 라이브러리 활용
8주차 - Spektral 라이브러리 활용
교재 / 학습자료 / 준비물
GNN Libraries
1. PyTorch geometric
tutorial: https://pytorch-geometric.readthedocs.io/en/latest/notes/create_gnn.html
paper: https://arxiv.org/pdf/1903.02428.pdf
2. Deep Graph Library (DGL)
tutorial: https://docs.dgl.ai/tutorials/blitz/1_introduction.html#sphx-glr-tutorials-blitz-1-introduction-py
paper: https://arxiv.org/pdf/1909.01315v2.pdf
3. Graph Nets
tutorial: https://colab.research.google.com/github/deepmind/graph_nets/blob/master/graph_nets/demos/graph_nets_basics.ipynb
paper: https://arxiv.org/pdf/1806.01261.pdf
4. Spektral
tutorial: https://graphneural.network/getting-started/#creating-a-gnn
paper: https://arxiv.org/pdf/2006.12138.pdf
Tensorflow/gnn
github: https://github.com/tensorflow/gnn
blog: https://blog.tensorflow.org/2021/11/introducing-tensorflow-gnn.html
참고용 강의 및 교재: CS224W: Machine Learning with Graphs, Graph Representation Learning Book William L. Hamilton, McGill University
1. PyTorch geometric
tutorial: https://pytorch-geometric.readthedocs.io/en/latest/notes/create_gnn.html
paper: https://arxiv.org/pdf/1903.02428.pdf
2. Deep Graph Library (DGL)
tutorial: https://docs.dgl.ai/tutorials/blitz/1_introduction.html#sphx-glr-tutorials-blitz-1-introduction-py
paper: https://arxiv.org/pdf/1909.01315v2.pdf
3. Graph Nets
tutorial: https://colab.research.google.com/github/deepmind/graph_nets/blob/master/graph_nets/demos/graph_nets_basics.ipynb
paper: https://arxiv.org/pdf/1806.01261.pdf
4. Spektral
tutorial: https://graphneural.network/getting-started/#creating-a-gnn
paper: https://arxiv.org/pdf/2006.12138.pdf
Tensorflow/gnn
github: https://github.com/tensorflow/gnn
blog: https://blog.tensorflow.org/2021/11/introducing-tensorflow-gnn.html
참고용 강의 및 교재: CS224W: Machine Learning with Graphs, Graph Representation Learning Book William L. Hamilton, McGill University
첫 시간 전 준비사항
- Pytorch geometric 논문을 읽고 모임 시간에 질문해주세요!
- 첫 발표는 제가 진행하겠습니다!
- 첫 발표는 제가 진행하겠습니다!
퍼실이 소개
김세용
#배우는 게 좋아요 #무한긍정
자기소개 및 개설동기
안녕하세요! GNN 라이브러리 종류가 많은데, 어떤 것이 더 좋은 건지 모르겠더라구요. 함께 GNN 라이브러리를 파헤쳐 보고 데이터에 적용해서 결과물을 만들어 보면 재밌을 것 같아요!
소속
바이온사이트
풀잎스쿨 / LAB 참여 이력
풀잎18기 GNN 라이브러리 활용 퍼실
풀잎21기 LEET code 풀고 몸 값을 올려보자 참여
풀잎20기 Hands-on TTS 참여
풀잎19기 Difussion / Score-based Models 참여
풀잎19기 거꾸로 보는 self-supervised learning 파트1 참여
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.