本书首先从迁移学习采用的技术出发，系统地介绍每一类迁移学习算法，包括基于非负矩阵分解、概率模型、传统深度学习、对抗深度学习、模型融合以及图神经网络等的迁移学习算法。针对每一类算法，从问题定义、算法原理、算法流程等方面重点进行介绍。然后针对迁移学习的应用场景，介绍典型的应用案例。最后，介绍迁移学习在百度飞桨平台上的实践。本书旨在让迁移学习或者相关领域研究人员系统地掌握迁移学习的各类算法，熟悉各类应用场景，为迁移学习落地实践提供指导和帮助。

无

计算机\人工智能

本书不仅介绍了基于矩阵分解、概率模型、传统深度学习的经典迁移学习算法，而且介绍了近几年新兴起的基于图神经网络的迁移学习算法。同时，扩展介绍了和迁移学习相关的多任务学习、多视图学习算法等。进一步，本书还介绍了迁移学习在自然语言处理、计算机视觉、推荐系统、金融风控、城市计算等领域的应用，极大地弥合了业界和学术界的代沟。作为首篇迁移学习综述及首本迁移学习领域书籍《迁移学习》的作者，我向对迁移学习研究感兴趣的读者强力推荐这本书，以便大家快速掌握相关的迁移学习算法原理并实践。
——杨强　加拿大工程院院士、加拿大皇家科学院院士、香港科技大学讲席教授

受人类知识迁移能力的启发，迁移学习旨在从源领域向目标领域迁移知识从而提升目标领域表现性能，可以有效地缓解大数据与少标注之间的矛盾。本书为学术界和工业界提供了解决少标注问题的迁移学习方法及应用案例，非常值得一读。
——郑志明　中国科学院院士

迁移学习是近几年人工智能领域非常火热的一个方向，主要解决少标注、少资源、弱计算、模型泛化、个性化需求等问题。该书深入浅出，系统地介绍了迁移学习方法及应用案例，对相关人员有极高的参考价值。
——陶大程　欧洲科学院外籍院士、澳大利亚科学院院士

机器学习通常假定训练集和测试集独立同分布，而真实场景很难满足该假设。迁移学习放宽独立同分布的假设，尝试解决训练集和测试集数据分布不一致的知识迁移问题。迁移学习是机器学习中的重要研究方向之一，近几年在计算机视觉、自然语言处理、推荐系统等场景中均取得显著成功。本书详细介绍了迁移学习的代表性方法，并提供迁移学习应用案例，对于想了解并使用迁移学习的读者，这本书非常值得仔细研读。
——周傲英　中国计算机学会会士、ACM SIGMOD China副主席