JA: add js/tutorials/transfer

site/ja/js/tutorials/transfer/audio_recognizer.md

@@ -0,0 +1,7 @@
+# 音声識別器の転移学習
+
+このチュートリアルでは、TensorFlow.jsを使用してブラウザ上で学習し、独自の音声分類器を構築する方法について学びます。
+
+転移学習を使用して、比較的少ない学習データで短い音を分類するモデルを作成します。ここでは[音声コマンド認識](https://github.com/tensorflow/tfjs-models/tree/master/speech-commands)のための学習済みモデルを使用します。このモデルを土台として新しいモデルを訓練して独自の音声クラスを認識します。
+
+このチュートリアルはコードラボとして提供されます。[次のリンクに従ってコードラボを開いてください。](https://codelabs.developers.google.com/codelabs/tensorflowjs-audio-codelab/index.html)

site/ja/js/tutorials/transfer/image_classification.md

@@ -0,0 +1,7 @@
+# 画像分類器の転移学習
+
+このチュートリアルでは、TensorFlow.jsを使用してブラウザ上でその場で独自の画像分類器を構築する方法について学びます。
+
+最小の学習データで非常に高精度なモデルを作成するために転移学習を利用できます。ここでは学習済みモデルとしてMobileNetという画像分類器を使用します。このモデルを土台としてモデルを訓練し、認識する画像クラスをカスタマイズします。
+
+このチュートリアルはコードラボとして提供されます。[次のリンクに従ってコードラボを開いてください。](https://codelabs.developers.google.com/codelabs/tensorflowjs-teachablemachine-codelab/index.html)

site/ja/js/tutorials/transfer/what_is_transfer_learning.md

@@ -0,0 +1,13 @@
+# 転移学習とは？
+
+高度な深層学習モデルには大量のパラメータ（重み）があり、それらをなにもないところから訓練するには大量の計算資源のデータが必要です。転移学習は関連するタスクについてすでに学習済みのモデルの一部を取り出して、新しいモデルの中で再利用することでそのような資源の大部分を省略するテクニックです。
+
+例えば、このセクションの次のチュートリアルではすでに画像の中の数千種類の物体を認識できるように訓練されたモデルを利用して、独自の画像認識器を構築する方法を紹介します。学習済みモデルの既存の知識を適用すると、元のモデルで必要としたものよりもずっと少ない訓練データで独自の画像クラスを検出できます。
+
+この手法はブラウザやモバイルデバイスのような資源が限られた環境でモデルをカスタマイズする際だけでなく、新しいモデルを高速に開発する際にも有効です。
+
+転移学習を行う際、元のモデルの重みを調節しないこともよくあります。そのかわりに最終レイヤを取り除き、切り詰められたモデルの出力で新しい（通常は非常に浅い）モデルを訓練します。このセクションのチュートリアルで、このテクニックを紹介します。
+
+
+- [画像分類器を元にした転移学習](image_classification)
+- [音声認識を元にした転移学習](audio_recognizer)