В чём разница между трансферным обучением и классическим машинным обучением?

Разница между трансферным обучением и классическим машинным обучением заключается в подходе к обучению моделей:

1. Трансферное обучение предполагает, что знания, накопленные в модели, подготовленной для выполнения одной задачи, могут быть перенесены на другую модель, чтобы помочь в построении прогнозов для другой, родственной задачи. education.yandex.ru Например, нейросеть, обученная решению одной конкретной задачи, может использовать приобретённые знания при решении новой задачи. {6-host}

2. Классическое машинное обучение — набор техник и методик анализа данных, позволяющих обучать аналитические системы с помощью решения повторяющихся типовых задач, но без использования программирования. {8-host} Машинное обучение базируется на принципе выявления закономерностей или скрытых паттернов и принятия решений с минимальным участием человека. {8-host} Для обучения необходим набор данных с метками — тренировочные данные, где содержатся примеры решения задач. {8-host} Алгоритмы искусственного интеллекта изучают их, основываясь на выявленных закономерностях, и, как только способны повторить результат на неразмеченных данных, могут использоваться на практике в схожих ситуациях. {8-host}