分享主题

迁移学习的发展与现状

分享背景

迁移学习伴随着最近几年的机器学习热潮，也成为了目前最炙手可热的研究方向。机器学习大牛Andrew Ng在2016年NIPS上提出“迁移学习将会是引领下一次机器学习热潮的驱动力”。

迁移学习强调通过不同领域之间通过知识迁移，来完成传统机器学习较难完成的任务。例如，传统机器学习依赖于大量标定数据来训练模型，当缺乏标定数据时，传统机器学习就很难得到泛化能力强的模型。此时，迁移学习就可以借助于其他相关领域的知识,来帮助训练更具有泛化能力的模型。迁移学习是解决标定数据难获取这一基础问题的重要手段，也是未来更好地研究无监督学习的重要方法。

分享大纲

• 什么是迁移学习？
• 为什么要进行迁移学习？
• 迁移学习的基本类别
• 迁移学习代表性算法
• 深度学习与迁移学习结合
• 迁移学习最新进展

分享人

王晋东，现于中国科学院计算技术研究所攻读博士学位，研究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，也是知乎等知识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个高校和研究所参与的机器学习群，热心于知识的共享。个人主页：http://jd92.wang

分享时间

11月4日周六晚8点