Transferlernen ist eine Technik im maschinellen Lernen, bei der ein Modell, das für eine bestimmte Aufgabe trainiert wurde, auf eine andere, verwandte Aufgabe übertragen wird.
Das Ziel ist es, die bereits gelernten Merkmale und Muster wiederzuverwenden, um das Training für neue Aufgaben zu beschleunigen oder zu verbessern.
Typischerweise wird ein vortrainiertes Modell als Ausgangspunkt verwendet und anschließend auf die neue Aufgabe feinjustiert (Fine-Tuning).
Transferlernen ist besonders nützlich, wenn für die neue Aufgabe nur wenige Trainingsdaten verfügbar sind.
Es findet Anwendung in Bereichen wie Bilderkennung, Sprachverarbeitung oder Robotik, wo ähnliche Aufgaben oft ähnliche Merkmale teilen.