迁移学习解决的是系统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，它赋予了机器学习系统利用辅助数据和模型来解决目标问题的能力。这使得机器学习系统更加可靠和健壮，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，相关领域研究的系统性参考。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。
本书内容
本书分为两部分。第1部分（第1～14章）介绍迁移学习的基础，其中第1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（第15～22章）讨论迁移学习的许多应用领域。第23章是对全书的总结。
第一部分：迁移学习的基础
第1章：绪论
介绍迁移学习的定义，基础研究问题，以及迁移学习的应用。
第2章：基于样本的迁移学习
介绍基于样本的非归纳式迁移学习与基于样本的归纳式迁移学习。
第3章：基于特征的迁移学习
讲解如何最小化域间差异，学习通用特征，特征增强。
第4章：基于模型的迁移学习
讲解基于共享模型成分的迁移学习，基于正则化的迁移。
第5章：基于关系的迁移学习
讲述马尔可夫逻辑网络，以及利用马尔可夫网络的基于关系的迁移学习。
第6章：异构迁移学习
讲述异构迁移学习问题与异构特征空间，异构标签空间。
第7章：对抗式迁移学习
讲述生成对抗网络，采用对抗式模型的迁移学习。
第8章：强化学习中的迁移学习
讲述强化学习任务中的迁移学习与优化目标，方法分类，任务间与域间的迁移学习。
第9章：多任务学习
讲述多任务监督学习，多任务无监督学习，多任务半监督学习，多任务主动学习，多任务强化学习，多任务在线学习，多任务多视图学习。
第10章：迁移学习理论
讲述多任务学习的泛化界，监督迁移学习的泛化界，无监督迁移学习的泛化界。
第11章：传导式迁移学习
讲述混合图上的传导式迁移学习，基于隐性特征表示的传导式。
第12章：自动迁移学习：学习如何自动迁移
介绍参数化“迁移什么”，从经验中学习，推断“迁移什么”，与其他学习范式的联系。
第13章：小样本学习
介绍零样本学习，单样本学习，短缺资源学习，域泛化。
第14章：终身机器学习
介绍通过不变的知识进行终身机器学习，情感分类中的终身机器学习，共享模型组件用于多任务学习，永无止境的语言学习。
第二部分 迁移学习的应用
第15章：隐私保护的迁移学习
包括差分隐私概念，隐私保护的迁移学习。
第16章：计算机视觉中的迁移学习
包括浅层迁移学习模型，深度迁移学习模型，以及如何将迁移学习用于医学图像分析案例。
第17章 自然语言处理中的迁移学习
包括NLP中的迁移学习，多任务学习方法，以及情感分析中的迁移学习案例。
第18章 对话系统中的迁移学习
包括问题形式化定义，口语理解中的迁移学习，对话状态跟踪中的迁移学习，对话策略学习中的迁移学习，自然语言生成中的迁移学习，端到端对话系统中的迁移学习。
第19章 推荐系统中的迁移学习
推荐系统中基于样本，特征，模型的迁移学习方法，新闻推荐，社交网络中的VIP推荐。
第20章 生物信息学中的迁移学习
包括生物信息学中的机器学习问题，生物序列分析，基因表达分析和遗传分析，系统生物学，生物医学文本和图像挖掘，基于深度学习的生物信息学。
第21章 行为识别中的迁移学习
包括针对无线定位的迁移学习，针对行为识别的迁移学习背景。
第22章 城市计算中的迁移学习
包括城市计算中迁移学习的关键问题，连锁店推荐案例。
本书主要作者：
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。曾任IJCAI理事长和多个国际顶会主席，包括IJCAI 2015、ACM KDD 2012等。曾获2004/2005 ACM KDDCUP冠军、2017 ACM SIGKDD杰出服务奖、2018 AAAI创新人工智能应用奖、2019 CAAI吴文俊人工智能科学技术杰出贡献奖。曾任华为诺亚方舟实验室创始主任和香港科技大学计算机系主任。曾创立IEEE Transactions on Big Data和ACM Transactions on Intelligent Systems and Technology期刊并任主编。著有《智能规划》《学术研究：你的成功之道》《软件工程中基于约束的设计恢复》和《联邦学习》。毕业于北京大学（天体物理学学士）和美国马里兰大学（计算机专业博士）。
推荐理由：
业界首本迁移学习著作，学习机器学习与迁移学习必看好书。
赠书
接下来是福利时间，本次我们赠送出3本书籍，想要获得书籍的同学，在本公众号下方留言，根据点赞数的高低，下周三上午（6.16）10:00统计出获奖读者。
