Pembelajaran beberapa kali adalah jenis tugas pembelajaran mesin yang hanya menyediakan sedikit contoh konsep tertentu. Hal ini memungkinkan sistem untuk belajar dari sejumlah kecil contoh dan menerapkan pengetahuan tersebut ke sejumlah besar tugas dalam lingkungan yang terkendali.
Pembelajaran beberapa kali adalah metode yang menarik dalam ilmu komputer karena menghilangkan kebutuhan pengumpulan data dan proses anotasi yang ekstensif, namun tetap memungkinkan pengembangan model pembelajaran mesin yang efektif. Dibandingkan dengan pembelajaran mesin terawasi tradisional, pembelajaran beberapa langkah menawarkan keuntungan berupa waktu pelatihan yang lebih cepat, pengurangan kebutuhan penyimpanan, dan peningkatan kinerja generalisasi model.
Jenis pembelajaran beberapa tahap yang paling umum disebut pembelajaran hampir satu tahap, artinya model dilatih hanya pada beberapa contoh konsep yang perlu diidentifikasi. Jenis pembelajaran hampir satu kali yang paling populer dikenal sebagai jaringan Siam. Jenis jaringan ini melibatkan penggunaan algoritme untuk mengidentifikasi apakah dua masukan yang diberikan serupa atau berbeda dalam hal memahami tugas yang perlu diselesaikan.
Tujuan dari pembelajaran beberapa langkah adalah untuk mengklasifikasikan gambar atau teks secara akurat dan cepat dengan hanya memberikan beberapa contoh konsep. Kasus penggunaan yang umum adalah untuk diagnostik medis, khususnya dalam mengidentifikasi penyakit yang tidak terlihat menggunakan sejumlah kecil data.
Pembelajaran beberapa kali dipandang sebagai alternatif yang menjanjikan dibandingkan pembelajaran mesin terawasi tradisional, karena potensinya untuk menghasilkan hasil akurat dengan cepat dengan titik data yang lebih sedikit. Meskipun ada beberapa tantangan seperti menggeneralisasi model yang dipelajari dengan adanya data outlier, penelitian terus dilakukan untuk meningkatkan akurasi dan kegunaannya.
