K-shot learning este o metodă de învățare automată prin care un model AI este antrenat să recunoască sau să clasifice noi categorii de date folosind un număr foarte mic de exemple etichetate, reprezentat de „k”. Această tehnică este esențială în situațiile în care datele disponibile pentru anumite clase sunt limitate sau costisitoare de obținut, permițând generalizarea rapidă a modelului fără necesitatea unui volum mare de date de antrenament. K-shot learning face parte din categoria învățării cu puține exemple (few-shot learning), unde „k” poate varia de la unu (one-shot learning) la câteva zeci de exemple.
Implementarea k-shot learning se bazează pe arhitecturi de rețele neuronale avansate, tehnici de meta-învățare și modele preantrenate, care captează cunoștințe generale din seturi mari de date și le transferă pentru a învăța rapid noile clase.
