어떤 모임인가요?
딥러닝의 입문 강의라 알려져 있는 스텐포드의 cs231n 강의
앞부분부터 공부하다 지쳐서 Part3 인 후반부는 대충 끝내지 않으셨나요?
Part3의 Lecture 슬라이드와 함께 Assignment 3를 실행하면서
이론적 개념들이 프로그래밍을 통해 구체적으로 이해되는 계기가 될것입니다
cs231n의 후반부인 Part 3를 확실히 정복합시다!!
앞부분부터 공부하다 지쳐서 Part3 인 후반부는 대충 끝내지 않으셨나요?
Part3의 Lecture 슬라이드와 함께 Assignment 3를 실행하면서
이론적 개념들이 프로그래밍을 통해 구체적으로 이해되는 계기가 될것입니다
cs231n의 후반부인 Part 3를 확실히 정복합시다!!
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?
-Recurrent Neural Networks에 대한 이해와 프로그래밍 기법
-Attention and Transformers에 대한 이해와 프로그래밍 기법
-Generative Modeling에 대한 이해와 프로그래밍 기법
-Self-supervised Learning에 대한 이해와 프로그래밍 기법
-Attention and Transformers에 대한 이해와 프로그래밍 기법
-Generative Modeling에 대한 이해와 프로그래밍 기법
-Self-supervised Learning에 대한 이해와 프로그래밍 기법
무엇을 공부하나요?
-Recurrent Neural Networks에 대한 이론과 구현 프로그래밍
-Attention and Transformers에 대한 이론과 구현 프로그래밍
-Generative Modeling에 대한 이론과 구현 프로그래밍
-Self-supervised Learning에 대한 이론과 구현 프로그래밍
-Attention and Transformers에 대한 이론과 구현 프로그래밍
-Generative Modeling에 대한 이론과 구현 프로그래밍
-Self-supervised Learning에 대한 이론과 구현 프로그래밍
어떤 사전지식이 필요한가요?
-cs231n Part1 과 Part2를 이해할 수 있으면 좋습니다.
-cs231n Assignment1 과 Assignment2를 실행해 보시면 좋습니다.
-딥러닝 기초 지식을 이해하고 있어야합니다.
-Python 기본 문법을 이해하고 있어야 합니다.
-cs231n Assignment1 과 Assignment2를 실행해 보시면 좋습니다.
-딥러닝 기초 지식을 이해하고 있어야합니다.
-Python 기본 문법을 이해하고 있어야 합니다.
이런 분들이 들으면 좋아요!
-cs231n 후반부 내용을 확실히 이해하고 싶은 분
이런 분들은 신청하기 전 다시 한 번 고민해보세요!
-cs231n 강의를 한번이라도 듣고 공부하지 않으신 분
-Python으로 프로그램을 한 경험이 없으신 분
-Python으로 프로그램을 한 경험이 없으신 분
학습유형
사전학습
모임 운영 방식
모임 시간에는, 사전에 담당된 멤버가 발표를 진행하고 나머지 시간은 전원이 함께 토의합니다.
커리큘럼
<1주차> Lecture 10: Recurrent Neural Networks
<2주차> Assignment 3 Q1: Image Captioning with Vanilla RNNs
<3주차> Assignment 3 Q1:Image Captioning with LSTMs
<4주차> Lecture 11: Attention and Transformers
<5주차> Assignment 3 Q2: Image Captioning with Transformers
<6주차> Lecture 12: Generative Modeling
<7주차> Assignment 3 Q4: Generative Adversarial Networks
<8주차> Lecture 13: Self-supervised Learning
<9주차> Assignment 3 Q5: Self-Supervised Learning for Image Classification
<10주차> Lecture 14: Visualizing and Understanding
<11주차> Assignment 3 Q3: Network Visualization: Saliency Maps, Class Visualization, and Fooling Images
RNNs, LSTMs
Language modeling, Image captioning, Vision + Language
Language modeling, Image captioning, Vision + Language
<2주차> Assignment 3 Q1: Image Captioning with Vanilla RNNs
The notebook RNN_Captioning.ipynb will walk you through the implementation of vanilla recurrent neural networks and apply them to image captioning on COCO.
<3주차> Assignment 3 Q1:Image Captioning with LSTMs
The notebook LSTM_Captioning.ipynb will walk you through the implementation of Long-Short Term Memory (LSTM) RNNs and apply them to image captioning on COCO.
<4주차> Lecture 11: Attention and Transformers
- Attention is All You Need [Original Transformers Paper]
- Attention? Attention [Blog by Lilian Weng]
- The Illustrated Transformer [Blog by Jay Alammar]
- ViT: Transformers for Image Recognition [Paper] [Blog] [Video]
- DETR: End-to-End Object Detection with Transformers
<5주차> Assignment 3 Q2: Image Captioning with Transformers
The notebook Transformer_Captioning.ipynb will walk you through the implementation of a Transformer model and apply it to image captioning on COCO.
<6주차> Lecture 12: Generative Modeling
<7주차> Assignment 3 Q4: Generative Adversarial Networks
In the notebook Generative_Adversarial_Networks.ipynb you will learn how to generate images that match a training dataset and use these models to improve classifier performance when training on a large amount of unlabeled data and a small amount of labeled data. When first opening the notebook, go to Runtime > Change runtime type and set Hardware accelerator to GPU.
<8주차> Lecture 13: Self-supervised Learning
- Lilian Weng Blog Post
- DINO: Emerging Properties in Self-Supervised Vision Transformers [Paper] [Blog] [Video]
<9주차> Assignment 3 Q5: Self-Supervised Learning for Image Classification
In the notebook Self_Supervised_Learning.ipynb, you will learn how to leverage self-supervised pretraining to obtain better performance on image classification tasks. When first opening the notebook, go to Runtime > Change runtime type and set Hardware accelerator to GPU.
<10주차> Lecture 14: Visualizing and Understanding
Feature visualization and inversion
Adversarial examples
DeepDream and style transfer
Adversarial examples
DeepDream and style transfer
<11주차> Assignment 3 Q3: Network Visualization: Saliency Maps, Class Visualization, and Fooling Images
The notebook Network_Visualization.ipynb will introduce the pretrained SqueezeNet model, compute gradients with respect to images, and use them to produce saliency maps and fooling images.
교재 / 학습자료 / 준비물
-CS231n: Convolutional Neural Networks for Visual Recognition
Stanford - Spring 2021
http://cs231n.stanford.edu/2021/schedule.html
-CS231n: Assignment3
https://cs231n.github.io/assignments2021/assignment3/
Stanford - Spring 2021
http://cs231n.stanford.edu/2021/schedule.html
-CS231n: Assignment3
https://cs231n.github.io/assignments2021/assignment3/
첫 시간 전 준비사항
cs231n Lecture 10: Recurrent Neural Networks을 공부하고 오시면 좋습니다
퍼실이 소개
강유선
#컴퓨터비전 #딥러닝초보
자기 소개 및 개설 동기
딥러닝을 공부하고 있지만 프로그래밍으로 구현하는 부분에서 여전히 서툴고 자신이 없어 고민하던중에
스탠퍼드 대학교의 CS231n의 Assignment3에 도전하고 싶은 생각에 이 풀잎스쿨을 열게 되었어요.
11주간 좋은 인사이트를 공유하면서, cs231n의 후반부를 좀더 구체적이고 실질적으로 이해하는 기회가 되었으면 좋겠어요
소속
풀잎스쿨 / LAB 참여 이력 풀잎19기 CS231n Assignments로 따라잡기 퍼실
풀잎스쿨 / LAB 참여 이력
LAB Advanced Computer vision LAB 참여
LAB Autonomous Driving LAB 2 참여
풀잎26기 파이썬 머신러닝 완벽 가이드 퍼실
풀잎24기 Object Detection and Segmentation DIY 퍼실
풀잎21기 cs231n Assignment3 완전정복 퍼실
풀잎19기 CS231n Assignments로 따라잡기 퍼실
풀잎18기 cs231n으로 시작하는 딥러닝 퍼실
풀잎36기 fastai와 파이토치가 만나 꽃피운 딥러닝 & Practical Deep Learning for Coders 참여
풀잎30기 Medical AI Research 기초과정 참여
풀잎26기 도전! 수퍼모델 딥러닝 참여
풀잎21기 Mathematics for Machine Learning S2 참여
풀잎19기 거꾸로 보는 self-supervised learning 파트1 참여
풀잎18기 CS182로 딥러닝 Deep하게 찍먹하기 참여
풀잎17기 CS231n으로 시작하는 딥러닝 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.
cs231n Assignment3 완전정복
모임시작
2022년 07월 16일
모임일시
매주 토요일 10:30 ~ 12:30
모임장소
온라인캠퍼스
모집기간
2022년 06월 30일 ~ 07월 15일
모집인원
12명
모집방법
신청 후 선발
165,000원 / 총 11회 24시간
(7,500원 / 시간)
📢 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!"
cs231n Assignment3 완전정복
모임시작
2022년 07월 16일
모임일시
매주 토요일 10:30 ~ 12:30
모임장소
온라인캠퍼스
모집기간
2022년 06월 30일 ~ 07월 15일
모집인원
12명
모집방법
신청 후 선발
165,000원 / 총 11회 24시간
(7,500원 / 시간)
📢 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?
딥러닝의 입문 강의라 알려져 있는 스텐포드의 cs231n 강의
앞부분부터 공부하다 지쳐서 Part3 인 후반부는 대충 끝내지 않으셨나요?
Part3의 Lecture 슬라이드와 함께 Assignment 3를 실행하면서
이론적 개념들이 프로그래밍을 통해 구체적으로 이해되는 계기가 될것입니다
cs231n의 후반부인 Part 3를 확실히 정복합시다!!
앞부분부터 공부하다 지쳐서 Part3 인 후반부는 대충 끝내지 않으셨나요?
Part3의 Lecture 슬라이드와 함께 Assignment 3를 실행하면서
이론적 개념들이 프로그래밍을 통해 구체적으로 이해되는 계기가 될것입니다
cs231n의 후반부인 Part 3를 확실히 정복합시다!!
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?
-Recurrent Neural Networks에 대한 이해와 프로그래밍 기법
-Attention and Transformers에 대한 이해와 프로그래밍 기법
-Generative Modeling에 대한 이해와 프로그래밍 기법
-Self-supervised Learning에 대한 이해와 프로그래밍 기법
-Attention and Transformers에 대한 이해와 프로그래밍 기법
-Generative Modeling에 대한 이해와 프로그래밍 기법
-Self-supervised Learning에 대한 이해와 프로그래밍 기법
무엇을 공부하나요?
-Recurrent Neural Networks에 대한 이론과 구현 프로그래밍
-Attention and Transformers에 대한 이론과 구현 프로그래밍
-Generative Modeling에 대한 이론과 구현 프로그래밍
-Self-supervised Learning에 대한 이론과 구현 프로그래밍
-Attention and Transformers에 대한 이론과 구현 프로그래밍
-Generative Modeling에 대한 이론과 구현 프로그래밍
-Self-supervised Learning에 대한 이론과 구현 프로그래밍
어떤 사전지식이 필요한가요?
-cs231n Part1 과 Part2를 이해할 수 있으면 좋습니다.
-cs231n Assignment1 과 Assignment2를 실행해 보시면 좋습니다.
-딥러닝 기초 지식을 이해하고 있어야합니다.
-Python 기본 문법을 이해하고 있어야 합니다.
-cs231n Assignment1 과 Assignment2를 실행해 보시면 좋습니다.
-딥러닝 기초 지식을 이해하고 있어야합니다.
-Python 기본 문법을 이해하고 있어야 합니다.
이런 분들이 들으면 좋아요!
-cs231n 후반부 내용을 확실히 이해하고 싶은 분
이런 분들은 신청하기 전 다시 한 번 고민해보세요!
-cs231n 강의를 한번이라도 듣고 공부하지 않으신 분
-Python으로 프로그램을 한 경험이 없으신 분
-Python으로 프로그램을 한 경험이 없으신 분
학습유형
사전학습
모임 운영 방식
모임 시간에는, 사전에 담당된 멤버가 발표를 진행하고 나머지 시간은 전원이 함께 토의합니다.
커리큘럼
<1주차> Lecture 10: Recurrent Neural Networks
<2주차> Assignment 3 Q1: Image Captioning with Vanilla RNNs
<3주차> Assignment 3 Q1:Image Captioning with LSTMs
<4주차> Lecture 11: Attention and Transformers
<5주차> Assignment 3 Q2: Image Captioning with Transformers
<6주차> Lecture 12: Generative Modeling
<7주차> Assignment 3 Q4: Generative Adversarial Networks
<8주차> Lecture 13: Self-supervised Learning
<9주차> Assignment 3 Q5: Self-Supervised Learning for Image Classification
<10주차> Lecture 14: Visualizing and Understanding
<11주차> Assignment 3 Q3: Network Visualization: Saliency Maps, Class Visualization, and Fooling Images
RNNs, LSTMs
Language modeling, Image captioning, Vision + Language
Language modeling, Image captioning, Vision + Language
<2주차> Assignment 3 Q1: Image Captioning with Vanilla RNNs
The notebook RNN_Captioning.ipynb will walk you through the implementation of vanilla recurrent neural networks and apply them to image captioning on COCO.
<3주차> Assignment 3 Q1:Image Captioning with LSTMs
The notebook LSTM_Captioning.ipynb will walk you through the implementation of Long-Short Term Memory (LSTM) RNNs and apply them to image captioning on COCO.
<4주차> Lecture 11: Attention and Transformers
- Attention is All You Need [Original Transformers Paper]
- Attention? Attention [Blog by Lilian Weng]
- The Illustrated Transformer [Blog by Jay Alammar]
- ViT: Transformers for Image Recognition [Paper] [Blog] [Video]
- DETR: End-to-End Object Detection with Transformers
<5주차> Assignment 3 Q2: Image Captioning with Transformers
The notebook Transformer_Captioning.ipynb will walk you through the implementation of a Transformer model and apply it to image captioning on COCO.
<6주차> Lecture 12: Generative Modeling
<7주차> Assignment 3 Q4: Generative Adversarial Networks
In the notebook Generative_Adversarial_Networks.ipynb you will learn how to generate images that match a training dataset and use these models to improve classifier performance when training on a large amount of unlabeled data and a small amount of labeled data. When first opening the notebook, go to Runtime > Change runtime type and set Hardware accelerator to GPU.
<8주차> Lecture 13: Self-supervised Learning
- Lilian Weng Blog Post
- DINO: Emerging Properties in Self-Supervised Vision Transformers [Paper] [Blog] [Video]
<9주차> Assignment 3 Q5: Self-Supervised Learning for Image Classification
In the notebook Self_Supervised_Learning.ipynb, you will learn how to leverage self-supervised pretraining to obtain better performance on image classification tasks. When first opening the notebook, go to Runtime > Change runtime type and set Hardware accelerator to GPU.
<10주차> Lecture 14: Visualizing and Understanding
Feature visualization and inversion
Adversarial examples
DeepDream and style transfer
Adversarial examples
DeepDream and style transfer
<11주차> Assignment 3 Q3: Network Visualization: Saliency Maps, Class Visualization, and Fooling Images
The notebook Network_Visualization.ipynb will introduce the pretrained SqueezeNet model, compute gradients with respect to images, and use them to produce saliency maps and fooling images.
교재 / 학습자료 / 준비물
-CS231n: Convolutional Neural Networks for Visual Recognition
Stanford - Spring 2021
http://cs231n.stanford.edu/2021/schedule.html
-CS231n: Assignment3
https://cs231n.github.io/assignments2021/assignment3/
Stanford - Spring 2021
http://cs231n.stanford.edu/2021/schedule.html
-CS231n: Assignment3
https://cs231n.github.io/assignments2021/assignment3/
첫 시간 전 준비사항
cs231n Lecture 10: Recurrent Neural Networks을 공부하고 오시면 좋습니다
퍼실이 소개
강유선
#컴퓨터비전 #딥러닝초보
자기소개 및 개설동기
딥러닝을 공부하고 있지만 프로그래밍으로 구현하는 부분에서 여전히 서툴고 자신이 없어 고민하던중에
스탠퍼드 대학교의 CS231n의 Assignment3에 도전하고 싶은 생각에 이 풀잎스쿨을 열게 되었어요.
11주간 좋은 인사이트를 공유하면서, cs231n의 후반부를 좀더 구체적이고 실질적으로 이해하는 기회가 되었으면 좋겠어요
스탠퍼드 대학교의 CS231n의 Assignment3에 도전하고 싶은 생각에 이 풀잎스쿨을 열게 되었어요.
11주간 좋은 인사이트를 공유하면서, cs231n의 후반부를 좀더 구체적이고 실질적으로 이해하는 기회가 되었으면 좋겠어요
소속
풀잎스쿨 / LAB 참여 이력 풀잎19기 CS231n Assignments로 따라잡기 퍼실
풀잎스쿨 / LAB 참여 이력
LAB Advanced Computer vision LAB 참여
LAB Autonomous Driving LAB 2 참여
풀잎26기 파이썬 머신러닝 완벽 가이드 퍼실
풀잎24기 Object Detection and Segmentation DIY 퍼실
풀잎21기 cs231n Assignment3 완전정복 퍼실
풀잎19기 CS231n Assignments로 따라잡기 퍼실
풀잎18기 cs231n으로 시작하는 딥러닝 퍼실
풀잎36기 fastai와 파이토치가 만나 꽃피운 딥러닝 & Practical Deep Learning for Coders 참여
풀잎30기 Medical AI Research 기초과정 참여
풀잎26기 도전! 수퍼모델 딥러닝 참여
풀잎21기 Mathematics for Machine Learning S2 참여
풀잎19기 거꾸로 보는 self-supervised learning 파트1 참여
풀잎18기 CS182로 딥러닝 Deep하게 찍먹하기 참여
풀잎17기 CS231n으로 시작하는 딥러닝 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.