本书从数据、模型及算法三个维度全面阐述了人工智能小样本的解决策略。填补了市面上没有相关书籍的空白。全书图文并茂并配置了全部的程序代码和数据集。本书可以作为高校学生及人工智能科研工作者参考书。

丁继才
中海油研究总院高级工程师，本科、硕士、博士分别毕业于中国石油大学（华东）、哈尔滨工业大学和中国科学院地质与地球物理研究所。一直致力于人工智能技术在油气勘探开发等垂直领域应用的研究，主攻信号分析、小样本机器学习、大模型等方向，获得相关授权专利多项。

1 小样本问题和机器学习综述
1.1 小样本问题综述
1.2 机器学习综述
参考文献及资料列表
2 数据预处理和分析
2.1 数据预处理
2.2 特征提取和转换
2.3 降维
2.4 聚类
参考文献及资料列表
3 数据增强
3.1 传统数据增强
3.2 基于深度学习数据增强
参考文献及资料列表
4 传统机器学习
4.1 单一算法
4.2 集成算法
参考文献及资料列表
5 不完全监督学习
5.1 主动学习
5.2 传统半监督学习
5.3 深度半监督学习
参考文献及资料列表
6 迁移学习
6.1 Pre-training+Fine-tuning
6.2 语言大模型+Prompt
6.3 多任务学习
6.4 多标签学习
参考文献及资料列表
7 元学习
7.1 元学习简介
7.2 PaddleFSL项目
7.3 Omniglot和MinilmageNet数据集合
7.4 基于度量的元学习算法
7.5 基于优化的元学习算法
参考文献及资料列表