内容紹介：★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
まさにバイブル！！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。成功のカギがここにある！
もくじ情報：第１部　転移学習への導入（機械学習から転移学習へ；転移学習の基本概念）；第２部　転移学習の基礎（ドメイン適応の理論；データに基づくドメイン適応の基礎；データに基づくドメイン適応の展開；事前学習済みモデル）；第３部　転移学習の展開（知識蒸留；マルチタスク学習；メタ学習；少数ショット学習；ドメイン汎化；継続学習；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

松井　孝太(マツイ　コウタ)
博士（情報科学）。２０１４年名古屋大学大学院情報科学研究科博士課程後期課程単位取得退学。現在、名古屋大学大学院医学系研究科講師。株式会社ＫＤＤＩ総合研究所招聘研究員