SGD alebo Stochastický gradientný zostup je algoritmus používaný v strojovom a hlbokom učení na nájdenie parametrov modelu,  ktoré najlepšie zodpovedajú predpovedaným a skutočným výstupom. Jeho hlavným cieľom je minimalizácia stratovosti a chybovosti siete. Využíva sa v oblasti trénovania strojového učenia pod dohľadom. 

SGD vyberá náhodné trénovacie vzorky na aktualizáciu váh, preto sa môže pokladať za náhodný. Výhodou je to vtedy, keď je dataset veľký, proteže nie vždy je využitý celý pre jednu etapu. Tento algoritmus je vhodný najmä pre situácie v ktorých sú dáta šírené alebo prichádzajúce postupne.