Transfer Learning

Il corso sul transfer learning offre una panoramica sulle tecniche di machine learning che permettono di utilizzare conoscenze pre-acquisite da un modello in un determinato dominio per migliorare le prestazioni di un altro modello in un diverso dominio. Si discuteranno metodi come la Domain Adaptation non supervisionata, l'open-set domain adaptation, la source-free domain adaptation, federated learning e Continual Learning. Nella seconda parte del corso si tratterà come questa conoscenza può essere appresa direttamente dai dati senza supervisione e come può essere applicata a modelli multimodali su grandi set di dati per generare modelli efficienti e permettere l'inferenza cross-modale.