迁移学习解决的是如何快速地适应新场景、新任务和新环境的问题，在目标域中只有少量标记数据可用时，它赋予了机器学习利用辅助数据和模型来解决目标问题的能力。这使得机器学习更加可靠和健壮，并且让机器学习模型在面对不可预见的变化时尽可能达到预期的性能。在企业层面，迁移学习允许知识的重复利用，使得每次获得的经验可以重复地应用于现实世界。
本书为迁移学习方向首本算法、理论、应用方面成熟、成体系的总结，相关领域研究的性参考。为迁移学习领域的新加入者提供了坚实的基础，也为经验丰富的研究人员和开发人员提供了新的视野。
本书分为两部分。部分（～14章）介绍迁移学习的基础，其中章对迁移学习进行概述，第2～14章介绍迁移学习相关的各种理论和算法。第2部分（5～22章）讨论迁移学习的许多应用领域。第23章是对全书的总结。
推荐序
译者序
前言
部分 迁移学习的基础
章 绪论
1.1 人工智能、机器学习以及迁移学习
1.2 迁移学习：定义
1.3 与已有机器学习范式的关系
1.4 迁移学习的基础研究问题
1.5 迁移学习应用
1.5.1 图像理解
1.5.2 生物信息学和生物成像
1.5.3 和协同过滤
1.5.4 机器人和汽车自动驾驶
1.5.5 自然语言处理和文本挖掘
1.6 历史笔记
1.7 关于本书
第2章 基于样本的迁移学习
2.1 引言
2.2 基于样本的非归纳式迁移学习
2.2.1 判别区分源数据和目标数据
2.2.2 核平均匹配
2.2.3 函数估计
……
第二部分 迁移学习的应用
参考文献
名词中英文对照
杨强 微众银行首席人工智能官，香港科技大学计算机科学与工程系讲席教授，第四范式有限公司联合创始人，ACM、AAAI、IEEE、IAPR、CAAI和AAAS会士，香港人工智能与机器人学会理事长，AAAI 2021主席。
张宇 南方科技大学计算机科学与工程系副教授， 2019年入选国家特聘专家（青年）。
戴文渊 第四范式有限公司创始人兼首席执行官。曾任百度首席架构师和不错科学家、华为诺亚方舟实验室首席科学家。入选2017年《麻省理工科技评论》中国青年科技创新人才榜（TR35）发明家和2017年《财富》中国40位40岁以下商界精英。
潘嘉林 新加坡南洋理工大学计算机科学与工程学院教务长讲座副教授。2018年被《IEEE智能系统》评选为“10大AI青年科学家”（AI 10 to Watch）。
译者简介：
庄福振 中国科学院计算技术研究所副研究员、硕士生导师，于2011年7月在中国科学院研究生院获得博士学位；2013年9月被聘为副研究员。主要从事迁移学习、多任务学习、推荐系统以及大数据挖掘应用等方面的研究，相关成果已经在本领域、重要靠前期刊和靠前会议上发表\录用论文100余篇。迁移学习的工作曾获得SDM2010和CIKM2010的很好论文提名，2013年获得中国人工智能学会很好博士学位论文奖。入选2015年微软亚洲研究院青年教师“铸星计划”，2017入选中国科学院青年创新促进会。
