메타버스, 디지털 트윈 등 여러 신기술들이 반짝이는 요즘 Generative model은 현실을 모델이 가장 잘 모사할 수 있도록 학습시킬 수 있는 떠오르는 모델이랍니다.
관련하여 연구나 구현에 관심 있으신 분, 함께 공부해봐요! :)
- Style GAN v1, v2, v3! 당신도 마스터 할 수 있습니다 :)
- 시간을 알차게 쓰게될 수 있지만, 끝나고 나서 반드시 성장한 자신의 모습을 확인하게 될 거에요~
GANs 중에서도 가장 대표적이고 중요한 모델인 StyleGAN v1, v2, v3를 다룰 거에요.
이것을 이해하는데 필요한 수학지식과, 코딩도 함께 합니다. :)
- 확률과 통계, 선형대수학, 딥러닝, 최적화 등에 기본적인 지식이 있으신 분들께 스터디를 추천드립니다.
- CS231n에 준하는 강의를 이미 수강하시고 (적어도 Assignment1, 2일부 까지는 수행해보신 분 혹은 모임 전까지 완료하실 분)
- 또는 Pytorch로 기본적인 ResNet을 짜는데 거부감이 없으신 분
- 혹은 인공지능, 컴퓨터과학 및 공학 관련 대학원생 2학기차 혹은 그에 준하는 선행 학습을 일부 해보신 분
앞으로 2달 동안 파이팅 해보아요!ㅎㅎ
매 주차별로 모두가 내용을 읽고 이해해 오되, 돌아가면서 발표를 맡을 담당 부분을 정해서 공부해온 뒤 발표하며 서로 설명해주는 방식으로 스터디를 진행합니다.
Paper reviewer 담당자 1명께서 리뷰 발표를 진행한 다음, Code reviewer 담당자 1분께서 code review발표를 진행해주시면 됩니다. (Line by line으로 내용을 설명할 수 있으면 좋겠습니다.)
- https://machinelearningmastery.com/resources-for-getting-started-with-generative-adversarial-networks/
- https://youtu.be/HGYYEUSm-0Q
2주차: 1. NIPS GAN Tutorial review 마무리 2. 복습 내용 Notion 정리 할당 내용 점검 3. WGAN 리뷰 및 코드 리뷰 4. WGAN-GP preview
선행학습: <1> GAN Turorial review를 복습하고 각자 맡은 파트의 notion 정리 및 설명을 준비해옵니다.
<2> WGAN 코드 구현 발표 및 리뷰를 준비해옵니다.
<3> WGAN 이해에 필요한 수학 지식 (립시츠 연속 함수)을 정리해옵니다.
<4> 시간 여유가 되시는 분들은DCGAN을 복습해옵니다.
2주차 목표:
(1) GAN Tutorial review 마무리합니다.
(2) WGAN 논문 리뷰 및 코드 구현 발표를 진행합니다.
(3) WGAN-GP 리뷰 발표 일부를 진행합니다.
(4) WGAN-GP 코드 일부 preview
Reference
[1] NIPS 2016 Tutorial: Generative Adversarial Networks - https://arxiv.org/abs/1701.00160
[2] WGAN 리뷰 블로그 참고 - https://ahjeong.tistory.com/7
[3] WGAN-GP 리뷰 블로그 참고
- https://cumulu-s.tistory.com/31
- https://haawron.tistory.com/21
[3] WGAN-GP 코드리뷰 블로그 참고 - https://cumulu-s.tistory.com/32?category=933558
[4] 참고 블로그** - https://jaejunyoo.blogspot.com/search/label/GAN
3주차: 1. GAN review papers 등- Notion 정리 및 공유 2. WGAN-GP 3. PGGAN
선행학습: <1> WGAN, WGAN-GP를 복습하고 각자 맡은 파트의 notion 정리 및 설명을 준비해옵니다.
<2> WGAN-GP 코드 구현 발표 및 리뷰를 준비해옵니다.
<3> WGAN-GP 이해에 필요한 수학 지식을 정리해옵니다.
<4> 시간이 되시는 분은 PGGAN을 예습해옵니다.
2주차 목표:
(1) WGAN-GP 발표 및 구현을 진행합니다.
(2) PGGAN 발표를 진행합니다.
(3) PGGAN 코드 리뷰를 일부 진행합니다.
Reference
[1] NIPS 2016 Tutorial: Generative Adversarial Networks - https://arxiv.org/abs/1701.00160
[2] WGAN 리뷰 블로그 참고 - https://ahjeong.tistory.com/7
[3] WGAN-GP 리뷰 블로그 참고
- https://cumulu-s.tistory.com/31
- https://haawron.tistory.com/21
[3] WGAN-GP 코드리뷰 블로그 참고 - https://cumulu-s.tistory.com/32?category=933558
[4] 참고 블로그** - https://jaejunyoo.blogspot.com/search/label/GAN
4주차 - 1. Notion 정리 점검 2. PGGAN 코드 리뷰 마무리 3. StyleGAN 발표 진행
선행학습: <1> PGGAN의 코드 디테일을 공부하고 코드 리뷰 발표를 준비합니다. StyleGAN 논문을 읽어옵니다.
<2> StyleGAN 논문 발표를 준비해옵니다. (2명, 1>~Method, 2>Experiments~Supplementary)
<3> StyleGAN 코드 일부를 리뷰해옵니다.
<3> StyleGAN 이해에 필요한 수학 지식을 정리해옵니다.
<4> 시간이 되시는 분은 related works의 일부를 공부해옵니다.
4주차 목표:
(1) PGGAN 코드 리뷰를 모두 진행합니다.
(2) StyleGAN 이해를 위한 수학 설명을 진행합니다.
(3) StyleGAN 발표를 진행합니다.
(4) StyleGAN 코드 일부를 리뷰합니다.
Reference
[1] WGAN-GP 논문 및 코드 리뷰 블로그 참고
- https://cumulu-s.tistory.com/31
- https://haawron.tistory.com/21
- https://cumulu-s.tistory.com/32?category=933558
- https://arxiv.org/abs/1710.10196
- https://github.com/tkarras/progressive_growing_of_gans
- https://wiserloner.tistory.com/1196
- https://happy-jihye.github.io/gan/gan-5/
- https://arxiv.org/abs/1812.04948
- https://arxiv.org/pdf/1812.04948.pdf
[5] StyleGAN official code - https://github.com/NVlabs/stylegan
[6] 참고 블로그** - https://jaejunyoo.blogspot.com/search/label/GAN
5주차 - 1. Notion 정리 점검 2. PGGAN code details 리뷰 및 WGAN-GP 복습 3. StyleGAN Code 리뷰
6주차: 1. StyleGAN code review2 2. StyleGAN v2 발표 (발표자 2명) 3. StyleGAN v2 code preview
7주차: 1. Notion 정리 점검 2. StyleGAN v2 code review2 3. StyleGAN v2 이론 보충 4. StyleGAN v3 preview
8주차: 1. Notion 정리 점검 2. StyleGAN v2 code review2 3. StyleGAN v2 이론 보충 4. StyleGAN v3 발표
2. StyleGAN v2 code review2
3. StyleGAN v2 이론 보충
4. StyleGAN v3 발표
- 다음에 해당되시는 분께 이 스터디를 추천드립니다: 확률과 통계, 선형대수학, 딥러닝, 최적화 등에 기본적인 지식이 있으신 분들께 스터디를 추천드립니다. (CS231n에 준하는 강의를 이미 수강하시고 (적어도 Assignment1, 2일부 까지는 수행해보신 분), 또는 Pytorch로 기본적인 ResNet을 짜는데 거부감이 없으신 분, 혹은 인공지능, 컴퓨터과학 및 공학 관련 대학원생 2학기차 혹은 그에 준하는 선행 학습을 일부 해보신 분)
- 목표: 선행 학습을 미리 해오며, 매 스터디의 시작 전/후로 스터디원들이 역할을 분담하여 Notion page에 공부한 것들을 모두 정리하는 것을 목표로 합니다.
- 매 주차별로 모두가 내용을 읽고 이해해 오되, 돌아가면서 발표를 맡을 담당 부분을 정해서 공부해온 뒤 발표하며 서로 설명해주는 방식으로 스터디를 진행합니다.
- Paper reviewer 담당자 1명께서 리뷰 발표를 진행한 다음, Code reviewer 담당자 1분께서 code review발표를 진행해주시면 됩니다. (Line by line으로 내용을 설명할 수 있으면 Best입니다.)
- GANs에 대해서 익숙하지 않으신 분은 다음 영상을 미리 공부해오시기를 추천드립니다: https://www.youtube.com/watch?v=wFsI2WqUfdA
- https://machinelearningmastery.com/resources-for-getting-started-with-generative-adversarial-networks/
- https://youtu.be/HGYYEUSm-0Q
이한얼
# Generative Model # GANs # Medical Imaging
자기 소개 및 개설 동기
StyleGAN 쪽 work들을 구현 수준으로 공부하고 싶은데, 계속 미루고 있더라고요. 😭 개념, 원리, 코드까지 하나하나 뜯어보며 마스터해보고 싶습니다. 과정 중에 모두가 해야 할 것들이 꽤 있지만 이 과정을 잘 소화한다면 앞으로 GANs 연구 개발 쪽으로도 방향타를 잡을 수 있지 않을까합니다. 더 이상 미루지 말고 같이 공부해요!
소속
인공지능대학원
풀잎스쿨 / LAB 참여 이력
LAB NVIDIA - Foundation Models Lab 참여
LAB Visual AI LAB 참여
풀잎18기 생성모델 연구개발을 위한 Implicit Generative Models 구현반-StyleGAN에서 StyleGAN v3까지 퍼실
풀잎16기 딥 러닝을 연구하는 모두를 위한 Pytorch 논문 구현: Deep Generative Models부터 Vision Transformer까지! 퍼실
풀잎14기 Deep Learning을 공부한다면 반드시 알아야 할, 모두를 위한 선형대수학 (with MIT Course, Gilbert Strang) 퍼실
풀잎42기 Stable Diffusion 3 뽀개기 참여
풀잎19기 Difussion / Score-based Models 참여
풀잎18기 Weakly Supervised Semantic Segmentation 논문으로 입문하기 참여
풀잎16기 Semantic Segmentation 논문으로 입문하기 2기 참여
풀잎16기 Torch(PyG)로 구운 GNN 타다키 참여
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.
환불 신청은 홈페이지 상단의 “문의글 작성” 에서 가능합니다.
모임시작
2022년 01월 11일
모임일시
매주 화요일 19:30 ~ 22:30
모임장소
온라인캠퍼스
모집기간
2021년 12월 22일 ~ 2022년 01월 09일
모집인원
10명
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!"
모임시작
2022년 01월 11일
모임일시
매주 화요일 19:30 ~ 22:30
모임장소
온라인캠퍼스
모집기간
2021년 12월 22일 ~ 2022년 01월 09일
모집인원
10명
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!"
메타버스, 디지털 트윈 등 여러 신기술들이 반짝이는 요즘 Generative model은 현실을 모델이 가장 잘 모사할 수 있도록 학습시킬 수 있는 떠오르는 모델이랍니다.
관련하여 연구나 구현에 관심 있으신 분, 함께 공부해봐요! :)
- Style GAN v1, v2, v3! 당신도 마스터 할 수 있습니다 :)
- 시간을 알차게 쓰게될 수 있지만, 끝나고 나서 반드시 성장한 자신의 모습을 확인하게 될 거에요~
GANs 중에서도 가장 대표적이고 중요한 모델인 StyleGAN v1, v2, v3를 다룰 거에요.
이것을 이해하는데 필요한 수학지식과, 코딩도 함께 합니다. :)
- 확률과 통계, 선형대수학, 딥러닝, 최적화 등에 기본적인 지식이 있으신 분들께 스터디를 추천드립니다.
- CS231n에 준하는 강의를 이미 수강하시고 (적어도 Assignment1, 2일부 까지는 수행해보신 분 혹은 모임 전까지 완료하실 분)
- 또는 Pytorch로 기본적인 ResNet을 짜는데 거부감이 없으신 분
- 혹은 인공지능, 컴퓨터과학 및 공학 관련 대학원생 2학기차 혹은 그에 준하는 선행 학습을 일부 해보신 분
앞으로 2달 동안 파이팅 해보아요!ㅎㅎ
매 주차별로 모두가 내용을 읽고 이해해 오되, 돌아가면서 발표를 맡을 담당 부분을 정해서 공부해온 뒤 발표하며 서로 설명해주는 방식으로 스터디를 진행합니다.
Paper reviewer 담당자 1명께서 리뷰 발표를 진행한 다음, Code reviewer 담당자 1분께서 code review발표를 진행해주시면 됩니다. (Line by line으로 내용을 설명할 수 있으면 좋겠습니다.)
- https://machinelearningmastery.com/resources-for-getting-started-with-generative-adversarial-networks/
- https://youtu.be/HGYYEUSm-0Q
2주차: 1. NIPS GAN Tutorial review 마무리 2. 복습 내용 Notion 정리 할당 내용 점검 3. WGAN 리뷰 및 코드 리뷰 4. WGAN-GP preview
선행학습: <1> GAN Turorial review를 복습하고 각자 맡은 파트의 notion 정리 및 설명을 준비해옵니다.
<2> WGAN 코드 구현 발표 및 리뷰를 준비해옵니다.
<3> WGAN 이해에 필요한 수학 지식 (립시츠 연속 함수)을 정리해옵니다.
<4> 시간 여유가 되시는 분들은DCGAN을 복습해옵니다.
2주차 목표:
(1) GAN Tutorial review 마무리합니다.
(2) WGAN 논문 리뷰 및 코드 구현 발표를 진행합니다.
(3) WGAN-GP 리뷰 발표 일부를 진행합니다.
(4) WGAN-GP 코드 일부 preview
Reference
[1] NIPS 2016 Tutorial: Generative Adversarial Networks - https://arxiv.org/abs/1701.00160
[2] WGAN 리뷰 블로그 참고 - https://ahjeong.tistory.com/7
[3] WGAN-GP 리뷰 블로그 참고
- https://cumulu-s.tistory.com/31
- https://haawron.tistory.com/21
[3] WGAN-GP 코드리뷰 블로그 참고 - https://cumulu-s.tistory.com/32?category=933558
[4] 참고 블로그** - https://jaejunyoo.blogspot.com/search/label/GAN
3주차: 1. GAN review papers 등- Notion 정리 및 공유 2. WGAN-GP 3. PGGAN
선행학습: <1> WGAN, WGAN-GP를 복습하고 각자 맡은 파트의 notion 정리 및 설명을 준비해옵니다.
<2> WGAN-GP 코드 구현 발표 및 리뷰를 준비해옵니다.
<3> WGAN-GP 이해에 필요한 수학 지식을 정리해옵니다.
<4> 시간이 되시는 분은 PGGAN을 예습해옵니다.
2주차 목표:
(1) WGAN-GP 발표 및 구현을 진행합니다.
(2) PGGAN 발표를 진행합니다.
(3) PGGAN 코드 리뷰를 일부 진행합니다.
Reference
[1] NIPS 2016 Tutorial: Generative Adversarial Networks - https://arxiv.org/abs/1701.00160
[2] WGAN 리뷰 블로그 참고 - https://ahjeong.tistory.com/7
[3] WGAN-GP 리뷰 블로그 참고
- https://cumulu-s.tistory.com/31
- https://haawron.tistory.com/21
[3] WGAN-GP 코드리뷰 블로그 참고 - https://cumulu-s.tistory.com/32?category=933558
[4] 참고 블로그** - https://jaejunyoo.blogspot.com/search/label/GAN
4주차 - 1. Notion 정리 점검 2. PGGAN 코드 리뷰 마무리 3. StyleGAN 발표 진행
선행학습: <1> PGGAN의 코드 디테일을 공부하고 코드 리뷰 발표를 준비합니다. StyleGAN 논문을 읽어옵니다.
<2> StyleGAN 논문 발표를 준비해옵니다. (2명, 1>~Method, 2>Experiments~Supplementary)
<3> StyleGAN 코드 일부를 리뷰해옵니다.
<3> StyleGAN 이해에 필요한 수학 지식을 정리해옵니다.
<4> 시간이 되시는 분은 related works의 일부를 공부해옵니다.
4주차 목표:
(1) PGGAN 코드 리뷰를 모두 진행합니다.
(2) StyleGAN 이해를 위한 수학 설명을 진행합니다.
(3) StyleGAN 발표를 진행합니다.
(4) StyleGAN 코드 일부를 리뷰합니다.
Reference
[1] WGAN-GP 논문 및 코드 리뷰 블로그 참고
- https://cumulu-s.tistory.com/31
- https://haawron.tistory.com/21
- https://cumulu-s.tistory.com/32?category=933558
- https://arxiv.org/abs/1710.10196
- https://github.com/tkarras/progressive_growing_of_gans
- https://wiserloner.tistory.com/1196
- https://happy-jihye.github.io/gan/gan-5/
- https://arxiv.org/abs/1812.04948
- https://arxiv.org/pdf/1812.04948.pdf
[5] StyleGAN official code - https://github.com/NVlabs/stylegan
[6] 참고 블로그** - https://jaejunyoo.blogspot.com/search/label/GAN
5주차 - 1. Notion 정리 점검 2. PGGAN code details 리뷰 및 WGAN-GP 복습 3. StyleGAN Code 리뷰
6주차: 1. StyleGAN code review2 2. StyleGAN v2 발표 (발표자 2명) 3. StyleGAN v2 code preview
7주차: 1. Notion 정리 점검 2. StyleGAN v2 code review2 3. StyleGAN v2 이론 보충 4. StyleGAN v3 preview
8주차: 1. Notion 정리 점검 2. StyleGAN v2 code review2 3. StyleGAN v2 이론 보충 4. StyleGAN v3 발표
2. StyleGAN v2 code review2
3. StyleGAN v2 이론 보충
4. StyleGAN v3 발표
- 다음에 해당되시는 분께 이 스터디를 추천드립니다: 확률과 통계, 선형대수학, 딥러닝, 최적화 등에 기본적인 지식이 있으신 분들께 스터디를 추천드립니다. (CS231n에 준하는 강의를 이미 수강하시고 (적어도 Assignment1, 2일부 까지는 수행해보신 분), 또는 Pytorch로 기본적인 ResNet을 짜는데 거부감이 없으신 분, 혹은 인공지능, 컴퓨터과학 및 공학 관련 대학원생 2학기차 혹은 그에 준하는 선행 학습을 일부 해보신 분)
- 목표: 선행 학습을 미리 해오며, 매 스터디의 시작 전/후로 스터디원들이 역할을 분담하여 Notion page에 공부한 것들을 모두 정리하는 것을 목표로 합니다.
- 매 주차별로 모두가 내용을 읽고 이해해 오되, 돌아가면서 발표를 맡을 담당 부분을 정해서 공부해온 뒤 발표하며 서로 설명해주는 방식으로 스터디를 진행합니다.
- Paper reviewer 담당자 1명께서 리뷰 발표를 진행한 다음, Code reviewer 담당자 1분께서 code review발표를 진행해주시면 됩니다. (Line by line으로 내용을 설명할 수 있으면 Best입니다.)
- GANs에 대해서 익숙하지 않으신 분은 다음 영상을 미리 공부해오시기를 추천드립니다: https://www.youtube.com/watch?v=wFsI2WqUfdA
- https://machinelearningmastery.com/resources-for-getting-started-with-generative-adversarial-networks/
- https://youtu.be/HGYYEUSm-0Q
LAB NVIDIA - Foundation Models Lab 참여
LAB Visual AI LAB 참여
풀잎18기 생성모델 연구개발을 위한 Implicit Generative Models 구현반-StyleGAN에서 StyleGAN v3까지 퍼실
풀잎16기 딥 러닝을 연구하는 모두를 위한 Pytorch 논문 구현: Deep Generative Models부터 Vision Transformer까지! 퍼실
풀잎14기 Deep Learning을 공부한다면 반드시 알아야 할, 모두를 위한 선형대수학 (with MIT Course, Gilbert Strang) 퍼실
풀잎42기 Stable Diffusion 3 뽀개기 참여
풀잎19기 Difussion / Score-based Models 참여
풀잎18기 Weakly Supervised Semantic Segmentation 논문으로 입문하기 참여
풀잎16기 Semantic Segmentation 논문으로 입문하기 2기 참여
풀잎16기 Torch(PyG)로 구운 GNN 타다키 참여
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.
환불 신청은 홈페이지 상단의 “문의글 작성” 에서 가능합니다.