Transfer Learning es una técnica de Machine Learning en la que un modelo desarrollado inicialmente para una tarea específica sirve ahora como punto de partida para otro modelo en una segunda tarea más general. Es bastante útil en Deep Learning, ya que los recursos informáticos y de tiempo son limitados, por lo que un modelo previamente entrenado se puede utilizar como entrada para una tarea de procesamiento de lenguaje natural o visión por computadora.

Demostremos cómo funciona Transfer Learning en ML.NET explorando el siguiente escenario:

- En primer lugar, se incorporará un modelo de ML pre-entrenado Inception (TensorFlow) en un flujo de trabajo ML.NET.

- Luego, Transfer Learning se aplica a este modelo utilizando la API de clasificación de imágenes ML.NET para crear un nuevo modelo de Machine Learning personalizado que identifica categorías de imágenes. Todo el conocimiento adquirido al resolver el problema de clasificación inicial es útil para reducir el tiempo de entrenamiento y resolver una segunda clasificación.

- Si el tiempo lo permite, podemos implementar este modelo en una API web para su consumo desde otra aplicación (como una aplicación móvil)