反向傳播（Backpropagation）

目標：根據 loss，讓模型參數朝「更準」的方向優化。
步驟：
- 從 output（損失）開始，沿著神經網路反向往回「流動」誤差資訊
- 透過鏈式法則，逐層算出每個參數對 loss 的影響（即「梯度」）
- 這些梯度（即每個參數該怎麼改）會交給 optimizer（如 SGD、Adam）去更新參數

反向傳播就是修正模型讓下一次預測變更準的步驟，是模型「學習」的核心。