El aprendizaje por transferencia es una técnica en el aprendizaje automático, en la que un modelo entrenado para una tarea específica se transfiere a otra tarea relacionada.
El objetivo es reutilizar las características y patrones ya aprendidos para acelerar o mejorar el entrenamiento en nuevas tareas.
Normalmente se utiliza un modelo preentrenado como punto de partida y luego se ajusta finamente (Fine-Tuning) para la nueva tarea.
El aprendizaje por transferencia es especialmente útil cuando hay pocos datos de entrenamiento disponibles para la nueva tarea.
Se aplica en áreas como el reconocimiento de imágenes, el procesamiento del lenguaje o la robótica, donde tareas similares a menudo comparten características similares.