內容介紹：

在人工智慧的世界裡，「學習」的本質其實就是「尋找函數最低點」的優化過程。本課程將微積分從「學科」還原為「工具」，從基礎的映射關係出發，逐步建立極限與導數的動態思維，最終直達深度學習的核心引擎——梯度下降法（Gradient Descent）與反向傳播算法（Backpropagation）。課程內容提供如下：

• 重塑數學直覺： 不再死背微分公式，而是理解「導數即方向」、「梯度即羅盤」的幾何與物理意義。

• 拆解 AI 黑盒子： 深入理解神經網路背後的數學驅動力，明白權重（Weights）和偏差（Biases）是如何透過微積分不斷自我修正的。

• 理論與實作並行： 課程不僅推導數學，更會結合程式碼，將微積分符號轉化為電腦可執行的機器學習演算法。

課程時段規劃表：