Transfer learning (uczenie transferowe) to technika uczenia maszynowego, w której model wytrenowany do rozwiązania jednego zadania jest wykorzystywany jako punkt wyjścia dla innego, pokrewnego problemu. Zamiast budować system od zera, algorytm wykorzystuje zdobytą wcześniej wiedzę o ogólnych wzorcach, co pozwala na znaczne przyspieszenie procesu trenowania i osiągnięcie wysokiej precyzji przy użyciu mniejszej ilości danych. Metoda ta jest powszechnie stosowana w głębokim uczeniu, zwłaszcza w obszarach przetwarzania obrazu oraz języka naturalnego.
Źródło: boringowl.io
