El aprendizaje automático se ha convertido en un área de investigación importante en muchos dominios y aplicaciones del mundo real. La suposición predominante en las técnicas tradicionales de aprendizaje automático, de que los datos de entrenamiento y prueba deben ser del mismo dominio, es un desafío. En el mundo real, reunir suficientes datos de entrenamiento para crear modelos de aprendizaje de alto rendimiento no es fácil. A veces los datos no están disponibles, son muy caros, o peligrosos de recolectar. En este escenario, el concepto de aprendizaje automático no alcanza su potencial. El aprendizaje por transferencia ha ganado recientemente mucho reconocimiento en el campo de la investigación, ya que tiene la capacidad de crear aprendices de alto rendimiento a través de entornos virtuales o utilizando datos recolectados de otros dominios. Esta revisión sistemática define (a) el aprendizaje por transferencia; (b) discute la investigación reciente realizada; (c) el estado actual del aprendizaje por transferencia y finalmente, (d) discute cómo el aprendizaje por transferencia puede cerrar la brecha entre el mundo virtual y el mundo real.