7 迁移学习中科院计算所王晋东：迁移学习的发展和现状.docxVIP

【迁移学习】中科院计算所王晋东：迁移学习的进展和现状 AI科技评论 2017-11-22 原文 伴随着最近几年的机器学习热潮，迁移学习?(Transfer Learning)也成为目前最炙手可热的争辩方向。 迁移学习强调通过不同领域之间的学问迁移，来完成传统机器学习较难完成的任务。它是处理标定数据难猎取这一基础问题的重要手段，也是将来更好地争辩无监督学习的重要方法。 在近日AI研习社的公开课上，来自中国科学院计算技术争辩所的在读博士王晋东带来了题为《迁移学习的进展和现状》的共享。 王晋东，现于中国科学院计算技术争辩所攻读博士学位，争辩方向为迁移学习和机器学习等。他在国际权威会议ICDM、UbiComp等发表多篇文章；同时，也是知乎等学问共享社区的机器学习达人（知乎用户名：王晋东不在家）。他还在Github上发起建立了多个与机器学习相关的资源仓库，成立了超过120个高校和争辩所参与的机器学习群，热心于学问的共享。个人主页：http://jd92.wang 共享内容： 各位听众各位同学大家晚上好，很荣幸收到AI研习社的邀请，这次的主题是《迁移学习的进展及现状》。 我是中国科学院计算技术争辩2014级直博生王晋东，次要争辩方向是迁移学习及其使用，下面是我的一些基本材料。今日次要是来共享学问，欢迎大家批判指正。 今日次要分为五部分。 一是迁移学习的基本引见，即为什么要用迁移学习；