Few-Shot Learning
Few-Shot Learning to podejście w uczeniu maszynowym, które umożliwia modelom dokonywanie trafnych predykcji na podstawie jedynie niewielkiej liczby oznaczonych przykładów. W przeciwieństwie do tradycyjnych metod nadzorowanych, koncentruje się na uogólnianiu z ograniczonej ilości danych, wykorzystując techniki takie jak meta-learning, transfer learning oraz augmentację danych.
•
6 min read