🔧Techniques
Transfer learning
Transfer Learning
Définition
Le transfer learning (apprentissage par transfert) est une technique où un modèle entraîné sur une tâche est réutilisé comme point de départ pour une autre tâche. Plutôt que d'entraîner un modèle de zéro, on transfère les connaissances acquises. C'est le principe fondateur des foundation models : entraîner une fois, adapter partout.
Exemple concret
💡 BERT, pré-entraîné sur Wikipedia, est fine-tuné pour des tâches spécifiques (classification de documents, extraction d'entités) avec très peu de données.
Termes liés
Questions fréquentes
Qu'est-ce que Transfer learning en intelligence artificielle ?
Le transfer learning (apprentissage par transfert) est une technique où un modèle entraîné sur une tâche est réutilisé comme point de départ pour une autre tâche. Plutôt que d'entraîner un modèle de zéro, on transfère les connaissances acquises. C'est le principe fondateur des foundation models : entraîner une fois, adapter partout.
À quoi sert Transfer learning ?
BERT, pré-entraîné sur Wikipedia, est fine-tuné pour des tâches spécifiques (classification de documents, extraction d'entités) avec très peu de données.
Quels sont les concepts liés à Transfer learning ?
Les concepts liés à Transfer learning incluent : Fine-tuning, Modèle de fondation, Few-shot learning, Machine Learning. Retrouvez chaque définition dans le glossaire IA de Brief IA.
📬 Newsletter gratuite
Ne rate rien de l'actu IA
Reçois chaque soir les 7 meilleures actus IA, décryptées en 5 min. Gratuit.