Learning Rate (Współczynnik uczenia) – parametr określający szybkość zmian w modelu.

Parametr wykorzystywany w procesie uczenia maszynowego, regulujący wielkość kroków, jakie model wykonuje podczas aktualizacji swoich wewnętrznych parametrów, takich jak wagi. Współczynnik ten bezpośrednio wpływa na tempo, z jakim model dostosowuje się do danych treningowych, determinując szybkość konwergencji do optymalnego rozwiązania. Zbyt wysoka wartość może prowadzić do niestabilności treningu, powodując oscylacje lub zbieganie do suboptymalnych rozwiązań, natomiast zbyt niska może spowolnić proces uczenia lub zatrzymać model w lokalnych minimach.

Ustawienie odpowiedniego współczynnika uczenia jest kluczowym elementem w projektowaniu i optymalizacji algorytmów uczenia, wpływającym zarówno na skuteczność, jak i efektywność obliczeniową. W praktyce często stosuje się techniki adaptacyjne, które dynamicznie zmieniają jego wartość w trakcie treningu, aby poprawić stabilność i jakość uzyskiwanych rezultatów. Współczynnik uczenia jest integralnym aspektem metod opartych na optymalizacji gradientowej i jej wariantach.