Přenosové učení je technika strojového učení, kde se model trénovaný na jednom úkolu používá jako výchozí bod pro jiný, ale související úkol. Myšlenkou přenosu učení je, že znalosti získané řešením jednoho problému lze aplikovat na jiný související problém, což modelu umožňuje učit se efektivněji s menším počtem příkladů školení. Tento přístup se běžně používá v úlohách zpracování obrazu a přirozeného jazyka, kde se předem trénované modely dolaďují na konkrétní úlohy, aby bylo dosaženo vysoké přesnosti s menším množstvím trénovacích dat.
Datum publikace: