Few-Shot
term_id: few_shot
Category: basic_concepts
Definition
Few-Shot-Learning ermöglicht es Machine-Learning-Modellen, aus sehr begrenzten Daten zu verallgemeinern, typischerweise im Bereich von einem bis zehn Beispielen pro Klasse. Im Gegensatz zum traditionellen überwachtes Lernen, das Tausende von Beispielen erfordert, nutzt Few-Shot-Learning Vorwissen aus vorab trainierten Modellen.
Summary
Ein Lernparadigma, bei dem ein Modell eine Aufgabe korrekt ausführt, nachdem es nur mit einer kleinen Anzahl gelabelter Beispiele konfrontiert wurde.
Key Concepts
- Meta-Lernen
- Verallgemeinerung
- Label-Effizienz
- Pre-Training (Vorabtraining)
Use Cases
- Diagnose seltener Krankheiten
- Erkennen benutzerdefinierter Absichten in Chatbots
- Domänenanpassung mit begrenzten Daten