多任務學習 vs 遷移學習
Multi-task Learning vs Transfer Learning
多任務學習 側重 多任務學習是一種機器學習方法，旨在同時訓練一個模型來執行多個相關任務，以提升模型的泛化能力和效率。，而 遷移學習 側重 遷移學習是將已在大數據集習得的知識，轉移應用至小數據集的新任務，藉此加速模型訓練。
逐項比較
| 項目 | 多任務學習 | 遷移學習 |
|---|---|---|
| 一句定義 | 多任務學習是一種機器學習方法，旨在同時訓練一個模型來執行多個相關任務，以提升模型的泛化能力和效率。 | 遷移學習是將已在大數據集習得的知識，轉移應用至小數據集的新任務，藉此加速模型訓練 |
| 比喻 | 多任務學習就像一個學霸，同時學習好幾門相關的科目 -- 學習語文時，對理解歷史也有幫助；學習數學時，對物理也有幫助，這樣能讓他在各方面都表現得更好。 | 遷移學習就像一個有經驗的廚師 -- 他學會了做菜的基礎和許多技巧，即使換到新的廚房或學做一道新菜，也能很快上手並做出好吃的料理。 |
| 常見標籤 | 機器學習、深度學習、模型訓練、遷移學習、神經網路、最佳化、特徵工程、模型評估、AI基礎 | 機器學習、遷移學習、模型訓練、AI應用 |
| iPAS 關聯度 | 未知 | 未知 |
| 考生最常問 | 多任務學習一定比較好嗎？ | 遷移學習一定要微調全部參數嗎？ |