Ein Bereich des maschinellen Lernens, der sich mit Ansätzen und Techniken befasst, die es ermöglichen, effektive und generalisierungsfähige KI-Modelle zu trainieren, auch wenn nur eine sehr begrenzte Menge an gelabelten Trainingsdaten verfügbar ist. Wichtige Methoden hierfür sind z.B. Transfer Learning, Few-Shot Learning, One-Shot Learning und Zero-Shot Learning.