เปรียบเทียบวิธี

	การเรียนรู้แบบกึ่งมีผู้สอนออนไลน์	การเรียนรู้แบบถ่ายโอน
สาขาวิชา	การเรียนรู้ของเครื่อง	การเรียนรู้ของเครื่อง
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	2000s–2010s	2010 (formalized); 1990s (early roots)
ผู้ริเริ่ม	Goldberg, A., Li, M., & Zhu, X. (and others in stream learning community)	Pan, S. J. & Yang, Q. (survey); Bengio, Y. (deep learning framing)
ประเภท	Incremental / stream-based semi-supervised learning framework	Learning paradigm
แหล่งต้นตำรับ	Goldberg, A., Li, M., & Zhu, X. (2008). Online manifold regularization: A new learning setting and empirical study. In Proceedings of the European Conference on Machine Learning and Knowledge Discovery in Databases (ECML PKDD), pp. 393–407. Springer.	Pan, S. J., & Yang, Q. (2010). A Survey on Transfer Learning. IEEE Transactions on Knowledge and Data Engineering, 22(10), 1345–1359.
ชื่อเรียกอื่น	stream-based semi-supervised learning, incremental semi-supervised learning, online SSL, semi-supervised online learning	TL, domain adaptation, fine-tuning, pre-trained model adaptation
ที่เกี่ยวข้อง	6	3
สรุป	Online semi-supervised learning combines the incremental, one-pass nature of online learning with the ability to exploit unlabeled data alongside sparse labeled observations. It is designed for settings where data arrives as a stream and obtaining labels for every instance is expensive or impractical — such as real-time classification of web content, sensor readings, or social media posts.	Transfer learning is a machine learning paradigm in which knowledge gained from training a model on a source task or domain is reused to improve learning on a different but related target task or domain. It is especially powerful when labeled data for the target task is scarce, and it underlies most modern deep learning applications in computer vision, natural language processing, and beyond.