L'apprentissage par transfert (Transfer Learning) désigne en apprentissage automatique la méthode par laquelle des connaissances d'une tâche source sont transférées vers une tâche cible afin d'améliorer la performance d'apprentissage.
Cela se fait souvent par l'utilisation de modèles pré-entraînés, dont les paramètres servent de point de départ pour l'entraînement sur la tâche cible.
Le défi consiste à trouver des représentations appropriées, généralisables et évitant le surapprentissage (overfitting).
L'apprentissage par transfert comprend différents scénarios, notamment l'apprentissage inter-domaines, l'apprentissage multi-tâches et l'apprentissage en few-shot.
Définition :
« Transfer learning aims to improve learning in a new task through the transfer of knowledge from a related task that has already been learned. »
Source :
Pan, S. J., & Yang, Q. (2010). A Survey on Transfer Learning. IEEE Transactions on Knowledge and Data Engineering, 22(10), 1345-1359.