迁移学习作为机器学习和人工智能领域的重要方法,在计算机视觉、自然语言处理、语音识别等领域都得到了广泛的应用。本书的编写目的是帮助迁移学习及机器学习相关领域的初学者快速入门。全书主要分为背景与概念、方法与技术、扩展与探索及应用与展望四大部分。除此之外,本书还配有相关的代码、数据和论文资料,最大限度地降低初学者的学习和使用门槛。
本书适合对迁移学习感兴趣的读者阅读,也可以作为相关课程的配套教材。
迁移学习路线图,业内大咖好评力荐
机器学习作为人工智能领域的重要分支,在近几年取得了飞速的发展。机器学习使计算机能够从大量的训练数据和经验中学习,并将此能力应用于未知的问题和环境。迁移学习是机器学习的一种重要学习范式,旨在研究如何让已有的算法、模型、参数能够快速适用到新的问题中。
随着人工智能和机器学习的发展,迁移学习的原理、算法、模型也经历了井喷式的大发展,相关的研究工作如汗牛充栋。在海量的资料面前,这一领域的研究者、特别是初学者,难以发掘最有启发性的、本质的内容,就好比雾里看花、水中望月一般。迁移学习领域迫切需要一本能够由浅入深、由表及里阐述已有研究工作的读物,以帮助领域研究人员快速建立起这一学科的知识体系。因此,笔者在2018年开源了《迁移学习简明手册》,初衷便是希望用通俗易懂的内容帮助读者快速入门这一领域——这成为本书的缘起之一。
2020年,新冠肺炎疫情打乱了每个人的工作和学习计划,也带给我们更多的思考。在此期间,适逢杨强教授《迁移学习》专著出版,笔者得以从中学习更多知识、并做了更深入的思考和总结。在出版社的邀请与帮助下,笔者启动了写书计划,写作过程几乎耗尽了笔者2020年绝大多数的周末和公共假期。
本书建立在笔者近几年在中国科学院大学开设的普适计算课程相关课件以及笔者前期开源的《迁移学习简明手册》的基础上,重点考虑如何从学生入门的角度循序渐进地引入迁移学习的相关概念、问题、方法和应用。更重要的是,和其他参考书着重介绍某种方法不同,本书不再侧重阐述某类特定的方法或某篇特定的论文,而是试图从学生学习的视角,归纳、总结不同类型的迁移学习方法,并结合笔者自己的理解和实践,总结成相关的文字材料。笔者希望这种“讲课”而非“学术报告”的方式能够让更多有志于迁移学习的同学更快地了解此领域,并将其应用于解决自己的问题。
当然,与国内外诸多专家学者相比,笔者深感自己能力之不足。书中如有错误和疏忽之处,恳请广大读者批评指正。
作者
2021年3月