31. 転移学習ファインチューニング

転移学習は、あるタスクで学習した知識を他のタスクに応用する手法です。

ファインチューニングは、事前学習済みモデルを微調整して別タスクに適応させる方法です。

転移学習は、少数のデータでも高精度な学習を可能にする点が大きな特徴です。

Few-shot学習は、ごく少量の学習データでタスクを解決する手法です。

One-shot学習は、1つの学習データから学習する極限の少量学習手法です。

自己教師あり学習は、ラベルなしデータから特徴量表現を学習する手法です。

半教師あり学習は、ラベルあり・なしのデータを組み合わせて学習する手法です。

事前学習は、大規模データであらかじめ学習したモデルを転移学習に活用するための工程です。

破壊的忘却は、新しい知識を学ぶことで、以前の知識が失われてしまう現象です。

事前学習済みモデルは、転移学習やファインチューニングのベースとして利用される重要な要素です。