AI 필터 서비스로 시작하는
6가지 생성 AI 이미지 & 영상 프로덕트 개발
AI 필터부터 토킹헤드까지

01 상용 AI 이미지 & 영상 프로덕트 만들기

이미지 생성 모델을 활용하여 AI 필터,
토킹헤드등 상용되는 AI 이미지 & 영상 프로덕트를 만들어볼 수 있습니다.
02 이미지 생성을 위한 딥러닝 기초 개념

더 나은 이미지를 생성하기 위해
필요한 딥러닝과 이미지 생성 모델의 개념을 깊이있게 이해합니다.
03 Diffusion Model 논문 구현

대표적 Diffusion 모델의
논문을 구현해보며 이미지 생성 모델의
작동 원리를 이해합니다.

기본 정보

ㆍ3개 대주제, 113 여개 강의 클립 (약 48시간 분량)
ㆍ선수 지식 - 기초 - 심화 - 실전 활용

| 사전 지식
ㆍ생성형 AI에 대한 기초적 이해
ㆍ딥러닝에 대한 기초적 이해

| 수강대상
ㆍ딥러닝 엔지니어 / 딥러닝 엔지니어 지망생
ㆍ이미지 생성 모델을 기반으로 판매 가능한 수준의 상업용 이미지/영상을 만들고 싶은
ㆍImage/Video Synthesis, Image/Video Translation 최신 기술에 관심이 있는
ㆍ기존의 CNN, GAN 이외에도 화제의 Diffusion Model을 직접 학습하고 활용해보고 싶은
ㆍ현업에서의 이미지 생성 업무가 어떻게 이루어지는지 알고 싶은
ㆍ소프트웨어 개발자
ㆍ이미지 생성 모델을 기반으로 상용 서비스(SNOW 등)를 개발해보고 싶은 개발자
ㆍStable Diffusion 사용자
ㆍ이미지 생성 모델을 활용하는 것을 넘어서 이를 기점으로 딥러닝에 입문하고 싶은
ㆍStable Diffusion의 구동 원리를 이해하여 더 퀄리티 좋은 이미지/영상을 출력하고 싶은

| 사용 스택
ㆍOpenCV
ㆍPytorch
ㆍKeras
ㆍAnaconda Prompt
ㆍFfmpeg
ㆍEbsynth
ㆍWebUI

* 주의사항
실제 강의에서 만드는 결과물은 상세 페이지의 이미지와 일부 다를 수 있습니다.

강의 특징

ㆍ수강료 1회 결제로 평생 소장
ㆍ부가 학습 자료 제공
ㆍ<파이썬으로 개발하는 빅데이터 기반 맛집 추천 서비스
(ft. Django, FastAPI)>
ㆍPart 1. 파이썬 필수 문법 & 백엔드의 이해 - Ch. 1 - 8
ㆍ컴퓨터비전 정주행 Kit
ㆍPart 1. 컴퓨터비전을 위한 딥러닝 기초 - Ch. 1
ㆍPart 2. 컴퓨터비전 특화 이론과 실습 - Ch. 1, 2
ㆍ총 24시간

코스 프로모션 배너 전용입니다.

0일 0시간 0분 0초 코스 프로모션 배너 전용입니다.

구* 쇼핑, 스노*, 캔* 등

이미지 기반 서비스에서 너도나도 도입하는
AI 기반 이미지 생성 기능!

그러나 막상

프로덕트 레벨에서 이미지 생성 모델 을 활용하려면 부딪히는 수 많은 고민과 걱정들

오직 패스트캠퍼스에서만.

15시간의 딥러닝 기초 개념 강의
이미지 생성 모델의 작동 원리를 이해함으로써,

6종의 이미지/영상 생성 프로젝트
이미지 생성 모델을 활용해 Production Level의 정교한 결과물을 제작합니다.

이 강의가 끝나면,
실제 프로덕트로 판매 가능한 수준의 AI 이미지 & 영상을 구현할 수 있습니다!

패스트캠퍼스 이미지 딥러닝 강의의
Special Point

Point 1

GAN & Diffusion 활용을 담은
6가지 이미지/영상 생성 프로젝트

카메라 콘텐츠, 광고(이미지, 영상), 웹툰, 가상인간 등 다양한 콘텐츠 제작 상황에서 상용화 가능한 수준 의 이미지/영상을 구현하며 GAN과 Diffusion을,
그 기반으로 솔루션/서비스를 구축하기 위한 자동학습 플랫폼까지 구현하며 Autodiffusion을 학습합니다.

학습 포인트
· Image to Image Translation의 이해
· Diffusion 모델의 구조와 다양한 학습 방법(Dreambooth, LoRA)의 이해

AI 프로필
사람의 이미지를 스튜디오에서 찍은 듯한 자세, 옷, 배경으로 변환합니다.

AI 펫
동물의 이미지를 다른 자세, 옷, 배경의 실사 이미지로 변환합니다.

AI 아바타
사람의 이미지를 3D 아바타로 변환합니다.

AI 슈퍼히어로
사람의 이미지를 슈퍼히어로의 반실사 이미지로 변환합니다.

AI 애니메이션
사람의 이미지를 일본 애니메이션 풍의 2D 캐릭터로 뽑아봅니다.

AI 아이돌
사람의 이미지를 아이돌 무대 사진 스타일의 실사 이미지로 변환합니다.

* 실제 강의에서 만드는 결과물은 상세 페이지의 이미지와 일부 다를 수 있습니다.

구현 포인트

학습 포인트
· Image to Image Translation / Image Synthesis
· 원하는 화풍으로 이미지를 재출력하되 얼굴, 표정, 포즈를 동일하게 유지하기 위한 파인튜닝 방법

구현 포인트

· Image to Video Synthesis / Video to Video Translation
· Temporal-Kit과 Ebsynth를 함께 사용하여 튀지 않는 일관성 있는 영상 생성하기

부드러운 움직임 표현
인물이 역동적으로 움직일 때도 끊기지 않는
부드러운 움직임을 표현합니다.

프레임 간 객체 특징 유지
프레임마다 객체의 특징(이목구비 등)을
유지하여 튀지 않는 영상을 만듭니다.

프레임 간 배경 디테일 유지
인물 뒤에 화려한 배경을 입히고,
배경의 움직임 역시 일관성 있게 유지합니다.

학습 포인트
· Image to Image Translation / Image Synthesis
· 원하는 화풍으로 이미지를 재출력하되 얼굴, 표정, 포즈를 동일하게 유지하기 위한 파인튜닝 방법

구현 포인트

학습 포인트
· 여러 LoRA를 Merge 및 미세조정하여 여러 개체를 표현하는 법
· 특정 LoRA를 강조하여 표현하는 방법

구현 포인트

학습 포인트
· 입력한 모델과 닮았지만 다른(인종, 골격 등) Deepfake 인물 생성하기
· 생성한 인물의 입모양 움직임 구현하기

구현 포인트

· Deepfake로 입력한 모델과 닮았지만 묘하게 다른 (인종, 골격 등) 얼굴을 뽑아봅니다.
· 인물의 미세한 움직임을 자연스럽게 구현하는 방법을 배웁니다.

인물 얼굴 움직임
인물이 눈을 깜빡이고 입모양을
움직이는 동작을 구현합니다.

배경 디테일 유지하기
인물 뒤에 어울리는 배경을 삽입하고,
배경 속 인물, 동물, 풍경의 움직임을 자연스럽게 합니다.

닮은 얼굴 뽑기
Deepfake로 입력한 모델과 닮았지만
묘하게 다른 (인종, 골격 등) 얼굴을 뽑아봅니다.

학습 포인트
· Autodiffusion을 사용하여 대량 데이터 학습을 자동화합니다.

데이터 수집 & 정제부터 모델 튜닝까지,
이미지 생성 모델으로 프로덕트를 만들기 위한 현업의 업무 과정을 모두 경험해보세요.

보다 쉽게 프로덕트 수준의 결과물을 만들기 위해서는,
이미지 생성 모델의 작동 원리를 먼저 이해해야 합니다.

Point 2

딥러닝 기초 개념 강의 & 논문 구현으로
완벽 이해하는 이미지 생성 모델 (GAN, Diffusion)

보다 쉽게 프로덕트 수준의 결과물을 만들기 위해서는, 이미지 생성 모델의 작동 원리를 먼저 이해해야 합니다.
이미지 생성 모델 활용에 필요한 최신 기초 개념을 탄탄하게 학습하고, 이미지 생성 모델을 직접 구현하며 이해도를 높입니다.
OpenCV, Pytorch 등 이미지 처리, 생성에 필요한 툴까지 사용하여 실무 레벨 이미지 생성 프로젝트를 해보는 것은 덤!

논문 구현으로 더 깊이 이해하는 화제의 Diffusion Model.

현존하는 이미지 생성 모델 중 가장 성능이 좋아 최근 학계의 큰 주목을 받은 Diffusion Model.
Diffusion Model의 근간이 된 ‘바이블급’ 논문 두 편을 구현하며 Diffusion Model을 깊이있게 이해해봅니다.

논문: Denoising Diffusion Probabilistic Models (DDPM)

구현 내용

· backbone 구조 Unet 구현
· residual block 구현
· attention block 구현
· noise scheduler 구현

· loss function이 어떤 과정을 통해 단순화되는지 구현을 통해 이해
· residual block 구현
· 어떻게 training 과정이 단순화 되었는지 구현을 통해 이
· 실제 Inference 과정을 구현

논문 : High-Resolution Image Synthesis with Latent Diffusion Models (Stable Diffusion)

구현 내용

· Latent Diffusion을 구현하며 고해상도 이미지를 핸들링할 수 있게 됨을 이해
· Vae구현
· CLiP 구현

· Cross Attention을 구현하며 텍스트와 이미지의 멀티모달 학습 이해
· Classifer Free Guidance 구현

Bonus

현업의 이미지 생성 업무에서 활용하는 7가지 툴까지!

이미지 생성 과정에서 필요한 대표 툴 7가지를 학습하여 실무에 활용해보세요.

Point 3

커리큘럼 이해 & 실전 활용을 위한
풍성한 부록 증정

직접 AI 필터를 만들어 외주 플랫폼에서 수익화하고, 이를 포트폴리오에 녹여내어
대기업 AI 엔지니어로 취업한 강사님이 당신의 커리어 성장을 도와드립니다.

Point 4

모르는 건 바로 바로 물어볼 수 있도록
강사님과 AI가 직접 답변하는 질의응답 게시판

* 본 채널은 2024.4.8 ~ 2027.2.26 동안 운영 됩니다.
* 강사님이 채널에 입장하시지만 답변이 필수로 제공되지 않는 커뮤니티 형식의 공간입니다.
* 강사님이 현업 중 답변하시기에 답변까지 영업일 기준 7일 내외 시간이 소요될 수 있습니다.
*부록 강의에 대해서는 질의응답이 제공되지 않습니다.

이미지 생성 전문가로 현업에서 활약 중이신 강사님들

유망 스타트업의 AI Lead, 국내 탑급 대기업의 AI Researcher로 활약 중이신
현업 딥러닝 엔지니어 분들이 이미지 생성 모델의 활용을 실무 중심으로 가르쳐 주십니다.

우정 강사님

현) 5년차 국내 IT 대기업 AI 엔지니어
∙ 연세대 졸업
∙ 동대학원 졸업
∙ NeurIPS Main poster 제출
∙ CVPR Workshop 제출

강사님 한마디

이번 강의에서 이론을 맡게 되었습니다. 이미지 생성에 관심 있는 딥러닝 엔지니어부터 일반 사용자까지 이해 가능하게 강의를 준비했습니다. 이 강의로 시작하여 이미지 생성이 수강생 여러분들의 커리어에 도움이 되길 바랍니다.

영원 강사님

현) 국내 IT 대기업 AI Researcher

강사님 한마디

이번 강의에서는 철저히 실무 중심으로 이미지 생성을 학습합니다. 클라이언트에게 생성 AI를 적용한 프로젝트를 제안받았을 때, 혹은 생성 AI 기반으로 이미지/영상 프로덕트를 만들 때 어떠한 요구에도 대응할 수 있도록 다양한 프로젝트를 준비했습니다. 실전 상황에서 이미지를 생성할 때 좋은 퀄리티를 내는 구체적인 파인튜닝 방법은 물론, 취업준비생들을 위해 회사가 원하는 생성 AI 사용 경험과 포트폴리오 구성 방법을 알려드리겠습니다.

강의 수강후 이렇게 바뀝니다.

원하는 화풍에 따라 적절한 모델과 학습 방법을 선택할 수 있습니다.

AutoDiffusion으로 데이터를 자동 학습하는 방법을 익힙니다.

여러 LoRA를 오류 없이 조합하는 방법을 익힙니다.

ip-adapter, reactor로 LoRA 간의 최적의 파라미터 값을 찾을 수 있습니다.

다양한 후처리와 파인튜닝을 통해 출력한 이미지를 보정하여 퀄리티 높은 결과물을 완성합니다.

추천 대상

커리큘럼

아래의 모든 강의를 초격차 패키지 하나로 모두 들을 수 있습니다.
지금 한 번만 결제하고 모든 강의를 평생 소장하세요!

부록 - 파이썬 기초

01. 컴퓨터 과학과 프로그래밍 소개

ㆍ강의 소개
ㆍ컴퓨터 과학과 프로그래밍
ㆍ파이썬 소개와 설치

02. 변수와 데이터타입

• 변수의 개념과 활용
• 데이터타입 (1) 정수형, 실수형, Boolean
• 정수형, 실수형, Boolean 타입 실습하기
• 데이터타입 (2) 문자열
• 문자열 타입 실습하기

03. 자료 구조

• 자료구조란?
• 대표적인 자료구조
• 파이썬의 자료구조: 리스트
• 파이썬의 자료구조: 리스트 (실습)
• 파이썬의 자료구조: 튜플
• 파이썬의 자료구조: 튜플 (실습)
• 파이썬의 자료구조: 딕셔너리
• 파이썬의 자료구조: 딕셔너리 (실습)
• 파이썬의 자료구조: 세트
• 파이썬의 자료구조: 세트 (실습)
• 자료구조 활용 실습하기

04. 흐름제어(조건문, 반복문, 예외처리)

• 흐름제어란?
• 조건문
• 조건문 실습하기
• 반복문
• 반복문 실습하기
• 스토리에 맞는 프로그램 작성하기
• 예외처리
• 예외처리 실습하기

05. 함수와 모듈

• 함수의 개념과 활용
• 함수 매개변수와 반환
• 모듈과 라이브러리 활용
• 라이브러리 명세서 읽어보기

06. 객체 지향 프로그래밍

• 객체지향 프로그래밍이란?
• 객체와 클래스
• 클래스 정의와 객체 생성
• 객체와 메소드
• 상속과 다형성
• 객체지향 프로그래밍 심화

07. 알고리즘

• 알고리즘 소개
• 대표적인 알고리즘들
• 정렬 알고리즘
• 알고리즘의 성능: 복잡도

08. 정규표현식

• 정규 표현식이란?
• 정규 표현식 사용하기
• 정규 표현식 활용하기

부록 - 딥러닝 및 컴퓨터비전 기초

01. 딥러닝 개론

▪︎ Overview
▪︎ 인공지능, 머신러닝, 딥러닝
▪︎ 학습(learning)의 개념과 원리
▪︎ 지도학습(supervised learning)과 비지도학습(unsupervised learning)
▪︎ 선형회귀(linear regression)
▪︎ 신경망(neural networks)
▪︎ 가중치 행렬(weight matrix)
▪︎ 경사하강법(gradient descent)
▪︎ Optimizer의 종류
▪︎ 역전파(backpropagation)
▪︎ 소프트맥스(softmax)
▪︎ 크로스엔트로피(cross-entropy)

02. 이것만은 알고 가자

▪︎ Overview
▪︎ Linear algebra basic: vector and matrix
▪︎ Probability basic: random variable and Bayes'
▪︎ OpenCV, Matplotlib 실습
▪︎ PIL, scikit-image 실습
▪︎ PyTorch and Torchvision 실습 (1)
▪︎ PyTorch and Torchvision 실습 (2)
▪︎ Logging, WAN-DB 실습

03. 고전적인 컴퓨터비전 이론

▪︎ Overview
▪︎ Local image features
▪︎ Convolution
▪︎ Edge and Corner
▪︎ Edge detection 실습
▪︎ Harris corner detection 실습
▪︎ Blob
▪︎ Blob detection 실습
▪︎ Scale-invariant feature transform (SIFT)
▪︎ SIFT 실습
▪︎ ORB 실습
▪︎ Model fitting and least square
▪︎ RANSAC
▪︎ RANSAC 실습
▪︎ DEGENSAC 실습
▪︎ Hough transform
▪︎ Hough transform 실습
▪︎ Fitting and matching
▪︎ Image representation with local features
▪︎ Classification models

Part 1. 이미지 딥러닝 개념 학습

01. CNN

ㆍCNN
ㆍResNet
ㆍResNet 실습

02. Transformer

ㆍTransformers란?
ㆍRNN vs Attention
ㆍSelf Attention, Cross Attention
ㆍText Encoder
ㆍVision Transformer

03. Multimodal

ㆍMultimodal이란?
ㆍCLIP

04. Generative Model

ㆍ생성모델이란?
ㆍData는 분포다
ㆍGenerative vs Discriminative
ㆍLatent Variable

05. GAN

ㆍGAN이란?
ㆍDCGAN부터 StyleGAN3까지 - Early
ㆍDCGAN부터 StyleGAN3까지 - I2I
ㆍDCGAN에서 StyleGAN3까지-StyleGAN
ㆍDCGAN 실습

06. Diffusion

ㆍParadigm Shift
ㆍDiffusion Models
ㆍDDPM 학습
ㆍDDPM실습
ㆍstable_diffusion

07. 이미지 생성 Tutorial

ㆍkerascv
ㆍDiffusers 소개
ㆍdiffusers_T2I
ㆍdiffusers_I2I
ㆍdiffusers_inpainting

08. Controlability

ㆍText-to-Image의 한계
ㆍCFG
ㆍControlNet
ㆍT2Iadapter
ㆍSAM
ㆍGroundingDINO
ㆍIP-adapter
ㆍInstantID
ㆍControlNet 실습
ㆍIPadapter 실습
ㆍAttend and Excite

09. Customization

ㆍLoRA
ㆍLoRA 실습
ㆍTextual Inversion
ㆍDreamBooth
ㆍDreamBooth 학습 실습
ㆍCustom Diffusion

10. Image Editing

ㆍInversion
ㆍImage Editing 1
ㆍImage Editing 2
ㆍ논문 리뷰 : Noise map guidance
ㆍ논문 구현 : Noise map guidance

11. Evaluation

ㆍ이미지 생성에서 평가
ㆍFID
ㆍPrecision, Recall
ㆍLPIPS
ㆍText Alignment
ㆍT2I CompBench

12. Image Quality

ㆍSDXL
ㆍDiT
ㆍSD3
ㆍDALLE
ㆍFreeU

13. Faster Sampling

ㆍLCM
ㆍSDXL Turbo/Lightning

14. Video Generation

ㆍStable Video Diffusion
ㆍAnimateDiff

Part 2. 이미지 생성 개념 학습

01. Stable Diffusion 사용법

ㆍStable Diffusion 설치

02. Stable Diffusion 사용법 (t2i)

ㆍStable Diffusion을 활용한 Text-to-Image 연습해보기
ㆍVAE별 차이 확인하기
ㆍText-to-Image 100%활용하기

03. Stable Diffusion 사용법(i2i)

ㆍStable Diffusion을 활용한 Image-to-Image 연습해보기_001
ㆍStable Diffusion을 활용한 Image-to-Image 연습해보기_002
ㆍImage-to-Image 100%활용하기

04. Controlnet 사용법

ㆍControlnet 활용해보기
ㆍText-to-Image, Image-to-Image에 Controlnet 적용해보기
ㆍIP adapter, Instant ID와 그외 다른모델 사용해보기

05. t2i, i2i를 실무 시나리오에 사용해보기

ㆍ실무 시나리오에 Controlnet 사용해보기

06. 다양한 학습 방법 알아보기

ㆍDreambooth와 lora 등 학습법 설명 및 차이점 알아보기

Part 3. 실전 프로젝트

01. LoRA 학습해보기

ㆍ데이터를 수집하고 원하는 그림체 필터 만들어 보기
ㆍcolab으로 lora 학습하기
ㆍ다양한 필터(순정만화 그림체, 캐릭터 등) 만들어 보기

02. LoRA를 활용해 웹툰 제작해보기

ㆍ직접 학습한 필터로 4컷 웹툰을 제작해보기
ㆍ직접 학습한 필터로 4컷 웹툰을 제작해보기

03. Dreambooth 학습해보기

ㆍ캐릭터와 그림체를 다른 방식으로 학습 해보기
ㆍcolab으로 Dreambooth 학습하기
ㆍ도구, 사람 등 원하는 이미지를 학습해보기
ㆍ도구, 사람 등 원하는 이미지를 학습해보기

04. 대기업 AI 필터 따라해보기

ㆍ대기업 카피 프로젝트- AI펫 프로필 학습해보기-강아지
ㆍ대기업 카피 프로젝트- AI펫 프로필 학습해보기-그림체
ㆍ대기업 카피 프로젝트- AI사람 프로필 학습해보기-사람
ㆍ대기업 카피 프로젝트- AI사람 프로필 학습해보기-그림체

05. 외주 플랫폼에 AI 이미지 팔아보기

ㆍ내가 만든 필터들을 가지고 수익화 해보기

06. 동영상 생성 Extension 사용해보기

ㆍDeforum 사용해보기
ㆍmov2mov 사용해보기
ㆍtemporal-kit 사용해보기
ㆍanimated diff 사용해보기

07. 실제 회사의 사업 시나리오를 기반으로 광고 제작해보기

ㆍ실전! 광고 영상 시나리오 및 요구사항 수립
ㆍ실전! 영상 생성업무
ㆍ실전! 후처리 및 영상편집

08. 실제 회사의 사업 시나리오를 기반으로 포스터 제작해보기

ㆍ실전! 포스터 생성 시나리오 및 요구사항 수립
ㆍ실전! 포스터 생성 및 후처리

09. 실제 회사의 사업 시나리오를 기반으로 딥페이크 제작해보기

ㆍ실전! 영상 생성업무에서 Deepfake 함께 써보기(reactor)
ㆍ실전! 영상 생성 업무에서 TalkingFaceGeneration 써보기(sadTalker)

10. 서비스의 기초가 되는 자동 학습 플랫폼 설계 해보기

ㆍ자동 학습 플랫폼을 설계 해보기

상세 커리큘럼
자세한 커리큘럼 및 내용은 여기서 확인하세요!

자세히 보기 »

(자동)

정가 ~~(자동)~~

할인 금액 (자동)

현재 판매가 (자동)

(자동)

* 12개월 무이자 할부 시

바로 구매하기

이 강의도 추천해요.

학습규정 * 본 상품은 동영상 형태의 강의를 수강하는 상품입니다.
* 상황에 따라 사전 공지 없이 할인이 조기 마감되거나 연장될 수 있습니다.
* 수강 신청 및 결제를 완료하시면, 마이페이지를 통해 바로 수강이 가능합니다.

총 학습기간:
– 정상 수강기간(유료 수강기간) 최초 2개월 (60일), 무료 수강 기간은 61일 일차 이후로 무제한이며, 유료 수강기간과 무료 수강기간 모두 동일하게 시청 가능합니다.
– 본 패키지는 약 50시간 분량으로, 일 1시간 내외의 학습 시간을 통해 정상 수강 기간(=유료 수강 기간) 내에 모두 수강이 가능합니다.
– 수강시작일: 수강 시작일은 결제일로부터 기간이 산정되며, 결제를 완료하시면 마이페이지를 통해 바로 수강이 가능합니다. (사전 예약 강의는 1차 강의 오픈일)
– 패스트캠퍼스의 사정으로 수강시작이 늦어진 경우에는 해당 일정 만큼 수강 시작일이 연기됩니다.
– 일부 강의는 아직 모든 영상이 공개되지 않았습니다. 각 상세페이지 하단에 공개 일정이 안내되어 있습니다.

주의사항 – 상황에 따라 사전 공지 없이 할인이 조기 마감되거나 연장될 수 있습니다.
– 천재지변, 폐업 등 서비스 중단이 불가피한 상황에는 서비스가 종료될 수 있습니다.
– 본 상품은 기수강생 할인, VIP CLUB 제도 (구 프리미엄 멤버십), 기타 할인 이벤트 적용이 불가할 수 있습니다.
– 커리큘럼은 제작 과정에서 일부 추가, 삭제 및 변경될 수 있습니다.
– 쿠폰 적용이나 프로모션 등으로 인해 5만원 이하의 금액으로 강의를 결제할 경우, 할부가 적용되지 않습니다.

환불규정 – 환불금액은 정가가 아닌 실제 결제금액을 기준으로 계산됩니다.
– 쿠폰을 사용하여 강의를 결제하신 후 취소/환불 시 쿠폰은 복구되지 않습니다.

– 수강시작 후 7일 이내, 5강 미만 수강 시에는 100% 환불 가능합니다.
– 수강시작 후 7일 이내, 5강 이상 수강 시 전체 강의에서 수강한 강의의 비율에 해당하는 수강료를 차감 후 환불 가능합니다.

– 수강시작 후 7일 초과 시 정상 수강기간 대비 잔여일에 대해 아래 환불규정에 따라 환불 가능합니다.
환불요청일 시 기준
: 수강시작 후 1/3 경과 전, 실 결제금액의 2/3에 해당하는 금액 환불
: 수강시작 후 1/2 경과 전, 실 결제금액의 1/2에 해당하는 금액 환불
: 수강시작 후 1/2 경과 후, 환불 금액 없음

* 보다 자세한 환불 규정은 홈페이지 취소/환불 정책에서 확인 가능합니다.

패스트캠퍼스 아이디 공유 금지 정책 안내 [패스트캠퍼스 아이디 공유 금지 정책]
패스트캠퍼스의 모든 온라인 강의에서는 1개의 아이디로 여러명이 공유하는 형태를 금지하고 있습니다.
동시접속에 대한 기록은 내부 시스템을 통해 자동으로 누적되며, 이후 서비스 이용이 제한될 수 있습니다.

[기기제한 정책]
패스트캠퍼스 온라인 강의 시청을 위해서는 ID별 최대 3개의 기기를 등록할 수 있으며, 기기 등록은 온라인 강의장 접속 시 자동 등록됩니다.
최대 갯수를 초과하였을 경우 등록된 기기 해제가 필요합니다.

[저작권 정책]
패스트캠퍼스의 모든 강의는 무단 배포 및 가공하는 행위, 캡쳐 및 녹화하여 공유하는 행위, 무단으로 판매하는 행위 등 일체의 저작권 침해 행위를 금지합니다.
부정 사용이 적발될 경우 저작권법 위반에 의한 법적인 제재를 받으실 수 있습니다.

root layout

AI 필터 서비스로 시작하는 6가지 생성 AI 이미지 & 영상 프로덕트 개발