Le méta learning est un paradigme du machine learning qui vise à créer des modèles spécialement optimisés pour apprendre de nouvelles tâches rapidement.
D’une certaine manière, il s’agit d’une formalisation/généralisation du processus de transfer learning. Mais contrairement à ce dernier, le méta learning est particulièrement adapté aux situations de « few-shot learning », où l’on ne dispose que de très peu d’exemples par classe. Ainsi, en méta learning, l’objectif n’est pas d’entraîner un modèle à bien exécuter une tâche mais de préparer ce modèle à apprendre de nouvelles tâches rapidement.