転移学習とは？てんいがくしゅう
転移学習とは、大量データで学習済みのモデル（学習で作られた判定の仕組み）を土台にして、目的の課題向けに一部だけ再学習させる手法。ゼロから学習するより少ないデータと少ない計算の量（コンピュータの処理時間）で、高い精度が得られます。学習の手間や費用を減らす手段として押さえます。
最終更新：2026-10-10
ITパスポートを最短で暗記・合格する →具体例
一般的な画像で学習済みの、画像認識用のニューラルネットワーク（脳の神経のつながりをまね、計算の段（層）を何段も重ねた仕組み。画像向けの型をCNNという）のうち、最後に判定を出す出力側の層だけを差し替え、自社製品の良品・不良品の画像数百枚で再学習させると、実用的な外観検査モデルが短時間で作れます。画像から形や模様の特徴を取り出す土台側の層（特徴抽出器）は固定したまま使います。
試験での引っ掛け
転移学習は「学習済みモデルを再利用する」ものであって、学習が不要になるわけではありません。また、元のデータと対象領域がかけ離れていると効果が出ないため、万能の手段ではない点に注意します。
関連用語
出典・参考
公式シラバスの7 基礎理論 ＞ 35. 情報に関する理論 ＞ (5) AI（Artificial Intelligence：人工知能）の技術に掲載されている用語です。
解説は資格暗記が独自に作成しています。過去問の出典は各問題に記載のとおりです。