転移学習

★まさにバイブル！★　転移学習は、従来の機械学習の方法では解決することが困難な要請や課題をうまく取り扱うための方法です。深層学習の登場以降、事前学習済みモデルの利用が容易になり、転移学習が広く用いられるようになってきた。本書では、転移学習の基本概念から、ドメイン適応、事前学習済みモデル、知識蒸留、マルチタスク学習、メタ学習、継続学習などをていねいに解説。この一冊から始めよう！　【主な内容】　第1部　転移学習への導入　第1章　機械学習から転移学習へ　第2章　転移学習の基本概念　第2部　転移学習の基礎　第3章　ドメイン適応の理論　第4章　データに基づくドメイン適応の基礎　第5章　モデルに基づくドメイン適応の展開　第6章　事前学習済みモデル　第3部　転移学習の展開　第7章　知識蒸留　第8章　マルチタスク学習　第9章　メタ学習　第10章　少数ショット学習　第11章　ドメイン汎化　第12章　継続学習　第13章　強化学習における転移学習　付録A　深層ニューラルネットワークと生成モデルの基礎

この作品をシェアする