Aprendizaje por transferencia
Usar el conocimiento de un modelo ya entrenado como punto de partida para una nueva tarea — en lugar de entrenar desde cero.
Coger una CNN entrenada con ImageNet, sustituir la última capa y entrenar con tu pequeño dataset → funciona sorprendentemente bien. Toda la idea del "fine-tuning de modelos fundacionales" es aprendizaje por transferencia. Se apoya en que las primeras capas aprenden patrones generales.