TL;DRFew-Shot Learning (FSL)은 머신러닝 모델이 대규모 데이터 없이도 새로운 개념을 빠르게 학습하도록 설계된 방법입니다. 핵심은 '학습하는 방법'을 학습하는 메타 학습(Meta-Learning) 기법을 활용하는 것이며, 이를 통해 모델은 제한적인 서포트 셋(Support Set)의 예시만으로도 새로운 쿼리 셋(Query Set)에 대한 정확한 예측이 가능해집니다. FSL은 특히 의료 영상, 로보틱스 등 라벨링 데이터 확보가 어렵거나 비용이 높은 분야에서 효율적이며, 대규모 언어 모델(LLM)의 퓨샷 프롬프팅 기술의 기반 개념이기도 합니다.1. 퓨샷 학습(Few-Shot Learning, FSL)의 개념 정의퓨샷 학습(Few-Shot Learning)은 머신러닝, 특히 딥러닝 모델이 ..
