Học ít lần là một loại nhiệm vụ học máy trong đó chỉ cung cấp một vài ví dụ về một khái niệm nhất định. Nó cho phép các hệ thống học hỏi từ một số ít ví dụ và áp dụng kiến thức đó vào số lượng nhiệm vụ lớn hơn trong một môi trường được kiểm soát.
Học ít lần là một phương pháp hấp dẫn trong khoa học máy tính vì nó loại bỏ nhu cầu thu thập dữ liệu rộng rãi và quá trình chú thích trong khi vẫn cho phép phát triển các mô hình học máy hiệu quả. So với học máy có giám sát truyền thống, học ít lần mang lại lợi ích về thời gian đào tạo nhanh hơn, giảm yêu cầu lưu trữ và cải thiện hiệu suất khái quát hóa mô hình.
Kiểu học vài lần phổ biến nhất được gọi là học gần một lần, nghĩa là một mô hình được đào tạo chỉ dựa trên một vài ví dụ về khái niệm mà nó cần xác định. Kiểu học gần một lần phổ biến nhất được gọi là mạng Siamese. Loại mạng này liên quan đến việc sử dụng thuật toán để xác định xem hai đầu vào nhất định giống nhau hay khác nhau về mặt hiểu biết nhiệm vụ mà nó cần hoàn thành.
Mục tiêu của phương pháp học vài lần là phân loại hình ảnh hoặc văn bản một cách chính xác và nhanh chóng bằng cách chỉ cung cấp một vài ví dụ về một khái niệm. Một trường hợp sử dụng phổ biến là chẩn đoán y tế, đặc biệt là trong việc xác định các bệnh chưa được phát hiện bằng cách sử dụng một lượng nhỏ dữ liệu.
Học ít lần được coi là một giải pháp thay thế đầy hứa hẹn cho học máy được giám sát truyền thống, do nó có tiềm năng tạo ra kết quả chính xác nhanh chóng với ít điểm dữ liệu hơn. Mặc dù có một số thách thức liên quan như khái quát hóa mô hình đã học khi có dữ liệu ngoại lệ, nghiên cứu vẫn đang được tiến hành để cải thiện độ chính xác và tiện ích của nó.
