Datatekort is een situatie waarin er niet genoeg gegevens beschikbaar zijn om een betrouwbaar en nauwkeurig machine learning-model te trainen. Datatekort kan leiden tot overfitting, slechte generalisatie en beperkte prestaties van AI-systemen. Technieken zoals data-augmentatie, active learning en transfer learning kunnen worden gebruikt om het probleem van datatekort aan te pakken.