ファインチューニング（fine-tuning）とは、転移学習を行う際に行う、転移元となる既存のモデルを転移先のタスクに適したように再学習することを指します。
ファインチューニングは、転移学習で用いられる手法の1つです。
転移学習を行うときには、転移先のタスクに対して、転移元のモデルをそのまま使用するのではなく、一部を再学習することで、転移先のタスクに適したモデルを生成することができます。そのような再学習を行うことをファインチューニングと呼びます。
ファインチューニングを行うときには、転移元のモデルを転移先のタスクで用意されたデータで再学習させます。再学習には、転移元のモデルが既に学習済みであるため、学習データが少ない場合でも、転移先のタスクに適したモデルを生成することができます。
ファインチューニングは、転移学習を行う際によく用いられる手法です。転移学習では、転移元のモデルを転移先のタスクに適したように再学習することで、高い精度を出すことができるようになります。