Transferlernen beschäftigt sich damit, wie sich Systeme schnell an neue Situationen, Aufgaben und Umgebungen anpassen können. Es ermöglicht maschinellen Lernsystemen, zusätzliche Daten und Modelle zu nutzen, um Problemstellungen zu lösen, wenn nur wenige Daten zur Verfügung stehen. Dies macht solche Systeme zuverlässiger und robuster und verhindert, dass das maschinelle Lernmodell bei unvorhersehbaren Änderungen zu stark von der erwarteten Leistung abweicht. Auf Unternehmensebene ermöglicht Transferlernen die Wiederverwendung von Wissen, sodass einmal gewonnene Erfahrungen wiederholt in der Praxis angewendet werden können. Beispielsweise kann ein vortrainiertes Modell, das die Privatsphäre der Nutzer berücksichtigt, heruntergeladen und am Rand eines Computernetzwerks angepasst werden. Dieses in sich geschlossene, umfassende Nachschlagewerk beschreibt die Standardalgorithmen und zeigt, wie diese in verschiedenen Transferlernparadigmen eingesetzt werden. Es bietet eine solide Grundlage für Einsteiger und neue Erkenntnisse für erfahrene Forscher und Entwickler. Sprache: Englisch