Ein Ansatz des maschinellen Lernens, bei dem Merkmale (Features) aus unterschiedlichen, aber verwandten Datenquellen oder für verschiedene, aber verbundene Aufgaben gleichzeitig gelernt werden. Ziel ist es oft, robustere, aussagekräftigere und besser generalisierbare Repräsentationen zu erhalten, indem Wissen zwischen den Quellen oder Aufgaben geteilt wird.