یادگیری انتقالی از جمله روش‌های کارآمد در حوزه علم داده و یادگیری عمیق است که در آن از مدلی ازپیش‌آموزش‌دیده برای حل مسئله‌ای جدید استفاده می‌شود. درحال‌حاضر این روش محبوبیت بسیاری میان فعالان حوزه یادگیری عمیق دارد، زیرا قادر است شبکه‌های عصبی را با حجم کمتری از داده‌ها آموزش دهد. همین ویژگی در حوزه علوم داده هم بسیار راهگشاست، چون بسیاری از مسائل تعریف‌شده در این حوزه فاقد حجم انبوهی از نقطه‌داده‌های برچسب‌گذاری‌شده برای آموزش مدل‌های پیچیده‌اند. در این مقاله، می‌خواهیم با تعریف و نحوه کارکرد روش یادگیری انتقالی آشنا شویم و بگوییم که چرا و در چه زمان‌هایی می‌تواند گره از کار دانشمندان علوم داده باز کند.