Stochastic Gradient Descent (SGD) ist der Grund, warum Training auf großen Datenmengen überhaupt möglich ist: Ein Schritt braucht nur einen Stapel statt des ganzen Bestands. Der Zufall darin hilft zusätzlich, flache Senken zu verlassen. Heute üblich sind Varianten wie Adam.
Stochastic Gradient Descent (SGD)
Kapitel:
Künstliche Intelligenz (KI)
von Richard Albrecht am 18.10.2026
(aktualisiert 03.11.2026)