Coursera

Zero-Shot & Few-Shot Learning: Master AI with Minimal Data

Eignen Sie sich gefragte Fähigkeiten mit einem ganzjährigen Coursera Plus-Abonnement an -- jetzt für 239 $. Sparen Sie jetzt.

kurs ist nicht verfügbar in Deutsch (Deutschland)

Wir übersetzen es in weitere Sprachen. Sehen Sie sich die Sprachen an, die wir anbieten.
Coursera

Zero-Shot & Few-Shot Learning: Master AI with Minimal Data

Bei Coursera PlusMehr erfahren enthalten

Verschaffen Sie sich einen Einblick in ein Thema und lernen Sie die Grundlagen.
Stufe Mittel

Empfohlene Erfahrung

4 Stunden zu vervollständigen
Flexibler Zeitplan
In Ihrem eigenen Lerntempo lernen
Verschaffen Sie sich einen Einblick in ein Thema und lernen Sie die Grundlagen.
Stufe Mittel

Empfohlene Erfahrung

4 Stunden zu vervollständigen
Flexibler Zeitplan
In Ihrem eigenen Lerntempo lernen

Kompetenzen, die Sie erwerben

  • Kategorie: Prompt Engineering
  • Kategorie: Machine Learning
  • Kategorie: Fraud detection
  • Kategorie: Embeddings
  • Kategorie: Supervised Learning
  • Kategorie: Machine Learning Methods
  • Kategorie: Transfer Learning
  • Kategorie: Artificial Intelligence and Machine Learning (AI/ML)
  • Kategorie: Applied Machine Learning

Wichtige Details

Zertifikat zur Vorlage

Zu Ihrem LinkedIn-Profil hinzufügen

Bewertungen

5 Aufgaben

Unterrichtet in Englisch

In diesem Kurs gibt es 3 Module

In this introductory lesson, learners will explore the core principles of zero-shot and few-shot learning, including how they differ from traditional supervised learning. Through clear examples and intuitive analogies, learners will build a foundational understanding of these approaches and why they matter in modern machine learning.

Das ist alles enthalten

3 Videos3 Lektüren1 Aufgabe

In this lesson, learners will examine how pretrained models, semantic embeddings, and transfer learning enable generalization in low-data environments. They'll break down each component’s role through hands-on exercises and visualizations—gaining clarity on how models can recognize patterns or make predictions with minimal labeled data.

Das ist alles enthalten

4 Videos2 Lektüren1 Aufgabe

In this lesson, learners will evaluate and apply zero-shot and few-shot strategies—such as prompt engineering, meta-learning, and prototypical networks—to real-world tasks. Through scenario-based activities and model comparisons, learners will learn how to choose and implement the right method based on data limitations and task requirements.

Das ist alles enthalten

4 Videos1 Lektüre3 Aufgaben

Dozent

Professionals in the Industry
0 Kurse0 Lernende

von

Coursera

Mehr von Machine Learning entdecken

Was führt Sie heute zu Coursera?

  • cplus logo

    Eignen Sie sich Fähigkeiten an, die ein Leben lang halten -- jetzt für 239 $

  • Coursera for Teams

    Verleihen Sie Ihrem Team neue Fähigkeiten

Warum entscheiden sich Menschen für Coursera für ihre Karriere?

Felipe M.

Lernender seit 2018
„Es ist eine großartige Erfahrung, in meinem eigenen Tempo zu lernen. Ich kann lernen, wenn ich Zeit und Nerven dazu habe.“

Jennifer J.

Lernender seit 2020
„Bei einem spannenden neuen Projekt konnte ich die neuen Kenntnisse und Kompetenzen aus den Kursen direkt bei der Arbeit anwenden.“

Larry W.

Lernender seit 2021
„Wenn mir Kurse zu Themen fehlen, die meine Universität nicht anbietet, ist Coursera mit die beste Alternative.“

Chaitanya A.

„Man lernt nicht nur, um bei der Arbeit besser zu werden. Es geht noch um viel mehr. Bei Coursera kann ich ohne Grenzen lernen.“

Häufig gestellte Fragen