学习课程：玩转机器学习之神经网络，系统入门算法工程师
章节名称：第8章 数据不够怎么办？迁移学习来帮忙
讲师：Markov_Xi
课程内容：
迁移学习：transfer learning（TL）
迁移学习是属于机器学习的一种研究领域。它专注于存储已有问题的解决模型，并将其利用在其他不同但相关问题上。本质上是模拟人的“举一反三”的能力！也有点类似于集成学习里的思想，将数据用一个模型训练好之后重新作为输入继续训练以提升模型精度。
为什么用迁移学习
数据成本！
迁移学习的分类
归纳式迁移学习
直推式迁移学习
无监督迁移学习
怎么实施迁移学习
迁移学习的前沿进展
迁移强化学习
迁移学习和强化学习（RL: reinforcement learning）的结合。深度强化学习（Deep Reinforcement Learnig, DRL）在很多领域取得了显著成绩，但仍存在样本效率低下的问题，需要与环境交互获取大量样本来学习策略，这一问题在稀疏奖励和大的状态动作空间内尤其显著。而迁移学习是解决该问题的一种有效手段。
研究案例
知识图谱强化迁移学习
时序关系强化学习迁移
对抗迁移学习
迁移学习和GAN的结合。迁移学习引出的原因就是因为目标域的数据少，这个时候自然我们就可以用生成式模型，如GAN来生成数据，作为数据增广的一种方法。学习收获：
1、了解了迁移学习的概念、原理、分类及出现原因
2、了解迁移学习的实施方法，但是后续还需要进一步学习，尤其是他与其他深度学习方法的组合