Ein wichtiger Hyperparameter in vielen Algorithmen des maschinellen Lernens, insbesondere beim Training von neuronalen Netzen mittels Gradientenabstieg. Er steuert die Schrittgröße bei der Anpassung der Modellgewichte während des Optimierungsprozesses und bestimmt somit, wie schnell oder langsam ein Modell aus den Trainingsdaten lernt.