Machine learningMachine learning

전이 학습

전이 학습(Transfer Learning)은 원천 작업(source task) 또는 도메인(domain)에서 모델을 훈련하여 얻은 지식을 재사용하여, 다르지만 관련된 목표 작업(target task) 또는 도메인에서의 학습 성능을 향상시키는 기계 학습 패러다임입니다. 특히 목표 작업에 대한 레이블된 데이터가 부족할 때 강력하며, 컴퓨터 비전, 자연어 처리 및 그 외 분야의 대부분의 현대 딥러닝 애플리케이션의 기반이 됩니다.

MethodMind에서 열기곧 제공동영상곧 제공Download slides

방법 전문 읽기

회원 전용

무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.

로그인

Method map

The neighbourhood of related methods — select a node to explore.

+40 more

출처

  1. Pan, S. J., & Yang, Q. (2010). A Survey on Transfer Learning. IEEE Transactions on Knowledge and Data Engineering, 22(10), 1345–1359. DOI: 10.1109/TKDE.2009.191
  2. Bengio, Y. (2012). Deep Learning of Representations for Unsupervised and Transfer Learning. In Proceedings of ICML Workshop on Unsupervised and Transfer Learning, PMLR 27, 17–36. link

이 페이지 인용 방법

ScholarGate. (2026, June 3). Transfer Learning (Domain Adaptation and Knowledge Transfer). ScholarGate. https://scholargate.app/ko/machine-learning/transfer-learning

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side

이 방법을 참조하는 항목

ScholarGateTransfer Learning (Transfer Learning (Domain Adaptation and Knowledge Transfer)). 2026-06-15에 다음에서 검색함: https://scholargate.app/ko/machine-learning/transfer-learning · 데이터셋: https://doi.org/10.5281/zenodo.20539026