相信很多学迁移学习的同学都阅读过知乎上的《小王爱迁移》系列文章或在GitHub上开源发布的迁移学习简明手册，手册上线已逾3年，帮助了众多读者快速入门迁移学习，现在这本手册已全面更新，形成《迁移学习导论》一书，本周给大家赠送这本书。
本书内容
迁移学习，即利用已有的数据、模型和知识，通过领域相似性和“举一反三”的联想能力，把学到的通用知识适配到新的领域、场景和任务上，它使机器学习拥有更强大的泛化能力。
迁移学习作为机器学习和人工智能领域的重要方法，在计算机视觉、自然语言处理、语音识别等领域都得到了广泛的应用。《迁移学习导论》书的编写目的就是帮助迁移学习及机器学习相关领域的初学者快速入门。
全书主要分为背景与概念、方法与技术、扩展与探索及应用与展望四大部分，共16章，230余页。
第一部分：背景与概念
第1章：绪论
介绍迁移学习的概念，迁移学习的必要性，迁移学习的研究领域与应用
第2章：机器学习到迁移学习
介绍机器学习及基本概念，结构风险最小化，数据的概率分布， 迁移学习的问题定义
第3章：迁移学习基本问题
讲解何处需要迁移，何时进行迁移，如何迁移，失败的迁移，以及完整的迁移学习过程
第二部分：方法与技术
第4章：迁移学习方法总览
讲解迁移学习总体思路，分布差异的度量，迁移学习统一表征，上手实践。
第5章：样本权重迁移法
讲述问题定义，基于样本选择的方法，基于权重自适应的方法，上手实践
第6章：统计特征变换迁移法
讲述问题定义，最大均值差异法，度量学习法，上手实践
第7章：几何特征变换迁移法
讲述问题定义，子空间变换法，流形学习法，最优传输法，上手实践
第8章：预训练方法
讲述深度网络的可迁移性，预训练–微调，预训练方法的有效性分析，自适应的预训练方法，重新思考预训练模型的使用，上手实践
第9章：深度迁移学习
讲述总体思路，深度迁移学习的网络结构，数据分布自适应的深度迁移学习方法，结构自适应的深度迁移学习方法，知识蒸馏，上手实践
第10章：对抗迁移学习
讲述生成对抗网络，对抗迁移学习基本思路 ，数据分布自适应的对抗迁移方法，基于信息解耦的对抗迁移方法，基于数据生成的对抗迁移方法，上手实践
第11章：迁移学习热门研究问题
讲述类别不均衡的迁移学习，多源迁移学习，开放集迁移学习，时间序列的迁移学习，联邦迁移学习，基于因果关系的迁移学习，自动迁移学习，在线迁移学习
第三部分扩展与探索
第12章：领域泛化
介绍领域泛化问题，基于数据分布自适应的方法，基于解耦的方法，基于集成模型的方法，基于数据生成的方法，基于元学习的方法，小结
第13章：元学习
介绍元学习简介，基于模型的元学习方法，基于度量的元学习方法，基于优化的元学习方法，元学习的应用与挑战
第14章：迁移学习模型选择
模型选择，基于密度估计的模型选择，迁移交叉验证
第四部分应用与展望
第15章：迁移学习的应用
包括计算机视觉，自然语言处理，语音识别与合成，普适计算与人机交互，医疗健康领域 ，其他应用
第16章：迁移学习前沿
包括融合人类经验的迁移，迁移强化学习，迁移学习的可解释性，迁移学习系统
本书作者：
王晋东，微软亚洲研究院研究员、中国科学院计算技术研究所博士，主要从事迁移学习、机器学习和深度学习方面的研究。
推荐理由：
《迁移学习导论》涵盖了迁移学习的大部分知识，是业界少有的迁移学习书籍中较新的参考书籍，并配有相关的代码、数据和论文资料，最大限度地降低初学者的学习和使用门槛。
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，本周日上午（6.6）10:00统计出获奖读者。
