転移学習（transfer learning）とは、既に学習されたモデルを別のタスクに応用することを指します。
転移学習を行うことで、新しいタスクを効率的に学習させることができます。
例えば、画像認識タスクでは、大量の画像を用いて学習させたモデルを、新しい画像認識タスクに応用することができます。
転移学習を行うことで、新しいタスクでも高い精度を出すことができるようになることがあります。
転移学習を行うためには、既存のモデルを再学習する必要があります。
再学習とは、既存のモデルを新しいデータで学習させることを指します。
再学習には、既存のモデルを転移元とする新しいタスクで用意されたデータを用いて行います。
転移学習では、転移元となる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、転移先となる新しいタスクに適したモデルを生成することができます。
転移学習は、新しいタスクでも高い精度を出すことができるとされており、画像認識タスクや自然言語処理タスクでよく用いられます。