В чем заключаются ключевые отличия между классическим машинным обучением и трансферным обучением?

Некоторые ключевые отличия между классическим машинным обучением и трансферным обучением:

Классический подход предполагает, что для обучения модели нужно собрать большой набор данных (датасет) и обучить нейросеть решать одну конкретную задачу. skillbox.com Например, если в меню появится новое блюдо, то весь процесс обучения придётся начинать сначала. skillbox.com

Трансферное обучение позволяет использовать уже готовые нейросети для решения новых задач. skillbox.com Система, обученная для одной цели, может переносить накопленные знания и помогать в решении родственных задач. education.yandex.ru Например, можно взять нейросеть для работы с изображениями и дообучить её определять начинку пиццы, а в будущем адаптировать для распознавания других блюд. skillbox.com

Объём данных также отличается: для классического подхода нужны большие объёмы размеченных данных, а во многих областях таких данных просто не существует. education.yandex.ru Трансферное обучение позволяет решить эту проблему, так как для него можно использовать небольшие датасеты. skillbox.com education.yandex.ru

Ресурсы и время обучения также различаются: обучать нейросети с нуля долго и дорого, а трансферное обучение позволяет значительно уменьшить затраты. skillbox.com На обучение моделей при использовании трансферного обучения требуются минуты, а не дни. education.yandex.ru