【DS検定対策】知識の「リサイクル」！転移学習の2大ステップ
ゼロからAIを育てるのは大変。だから「他のタスクで学んだ基礎知識」を流用する。それが転移学習（Transfer Learning）です。
1. 【 問題 】
転移学習（移転学習）のプロセスに関する次の記述の、[ ] に当てはまる適切な語句の組み合わせはどれでしょうか？
「転移学習において、移転元での最初の学習は [ A ] と呼ばれ、その獲得した知識（重み）をベースに、移転先（特定のタスク）に合わせて追加で行う学習は [ B ] と呼ばれる。」
① A：ファインチューニング B：事前学習
② A：事前学習 B：ファインチューニング
③ A：アンサンブル学習 B：蒸留
④ A：データ拡張 B：正規化
2. 【 解答 】
3. 整理：移転元と移転先の「役割分担」
この2つのステップを、人間の学習に例えて整理してみましょう。
【 転移学習のステップ 】
大量の一般的なデータを使って、基礎的な「特徴の掴み方」を幅広く学ぶ。
（例：画像認識なら、膨大な写真から「輪郭」や「色」の概念を理解する）
・移転先： [ ファインチューニング ] （専門教育）
事前学習済みのモデル（知識）を引き継ぎ、解きたい特定のタスク用の少量のデータで微調整する。
（例：医療画像から「特定の病変」を見つける専用AIに仕上げる）
--------------------------
◎ このアプローチの利点：
移転先で用意するデータが少量であっても、事前学習で培った「基礎体力」があるため、高精度なモデルを短時間で開発できます。
4. 覚えておきたい周辺用語
1. 特徴量抽出（Feature Extraction）: 事前学習済みモデルの「重み」を一切変えず（フリーズさせ）、出力層の直前のデータを特徴量として別の機械学習モデル（SVMなど）に投入する手法。ファインチューニングと並ぶ転移学習の代表例です。
2. 負の転移（Negative Transfer）: 移転元のタスクと移転先のタスクが違いすぎる（例：テキスト学習の知識を株価予測に使うなど）ために、かえって精度が下がってしまう現象。
5. DS検定形式：実戦4択クイズ
問：転移学習において、ファインチューニングを行う際、事前学習で得られたモデルの初期層（入力に近い層）のパラメーター（重み）を変更しないように固定する操作を何と呼ぶか。
① ドロップアウト ② 標準化 ③ フリーズ（凍結） ④ 正則化
【 正解： ③ 】
解説： 一般的な特徴（エッジや色の変化など）を捉える初期層の知識はそのまま流用した方が効率が良いため、重みを変化させないように「フリーズ」させることがよくあります。
6. まとめ
DS検定において「移転元での学習 ＝ 事前学習」「移転先での学習 ＝ ファインチューニング」という組み合わせは、ディープラーニング全般（画像・自然言語処理）を支える大前提の知識です。それぞれの目的の違いをしっかりと頭に入れておきましょう！
