Tầng 3 — Calculus

Giải tích: toán của sự thay đổi — nền cho gradient descent, backpropagation, và xác suất liên tục.

Tầng này dạy gì?

Đạo hàm = đo "tốc độ thay đổi". Gradient = đạo hàm theo nhiều chiều. Chain rule là quy tắc duy nhất giúp huấn luyện được mạng neural — backprop chính là chain rule lặp đi lặp lại. Tầng này khép kín các nền toán trước khi bước vào Linear Algebra.

Lộ trình 8 bài — học tuần tự

Lesson 01
Định nghĩa "tiến gần", limit dạng 0/0, giới hạn đặc biệt.
Lesson 02
Định nghĩa qua giới hạn, slope tiếp tuyến, đạo hàm vài hàm cơ bản.
Lesson 03
Tổng, tích, thương; đạo hàm các hàm sơ cấp (polynomial, exp, log, trig).
Lesson 04
Chìa khóa của backpropagation — học sâu và verify từng bước.
Lesson 05
f'(x) = 0, max/min, ứng dụng tối ưu hóa loss function.
Lesson 06
∂f/∂x, ∇f là vector đạo hàm theo từng chiều.
Lesson 07
Thuật toán đi ngược gradient — tâm của mọi training ML.
Lesson 08
Diện tích dưới đường cong, ứng dụng xác suất liên tục.