Gradient Descent est un algorithme pour trouver le minimum d'une fonction. Il calcule de manière itérative les dérivées partielles (gradients) de la fonction et descend par étapes proportionnelles à ces dérivées partielles. Une application majeure de Gradient Descent consiste à adapter un modèle paramétré à un ensemble de données: la fonction à minimiser est une fonction d'erreur pour le modèle.