近年の人工知能・機械学習の成功には大量のデータを前提として技術開発が進んできたという背景がある.一方,機械学習の適用分野が広がるとともに,コストをかけて収集された少量のデータに対しても機械学習を適用したいというニーズが高まっている.本稿では,スパースモデリングやベイズモデリングといった,少量データに向いた機械学習の枠組みを紹介する.また,深層学習に対して少量データの学習を行うための転移学習や,効率的なデータ取得を行うための能動学習やベイズ最適化などの手法についても述べる.更に,これらの枠組みをユーザとして適用する際の注意点のみならず基礎境界の研究分野として解決すべき数理的課題についても概説する.