1）贴上视频学习笔记，要求真实，不要抄袭，可以手写拍照。
1）P2 概率论与贝叶斯先验
2）P3 矩阵和线性代数
2）用自己的话总结“梯度”，“梯度下降”和“贝叶斯定理”，可以word编辑，可做思维导图，可以手写拍照，要求言简意赅、排版整洁。
“梯度”的提出只为回答一个问题，函数在变量空间的某一点处，沿着哪一个方向有最大的变化率。沿着梯度向量的方向，更加容易找到函数的最大值。
指函数在某一点的梯度是这样一个向量，它的方向与取得最大方向导数的方向一致，而它的模为方向导数的最大值。
“梯度下降”：梯度下降的计算过程就是沿梯度下降的方向求解极小值，梯度的反方向就是函数在给定点下降最快的方向，这正是我们所需要的。
更加快速。
“贝叶斯定理”：
网上案例: 8支步枪中5支校准过，3支未校准过。射手用校准过的枪射击，中靶概率是0.8，未校准的枪射击，中靶概率0.3。现在随机抽取一把枪射击，结果中靶，那么这把枪是已经校准过的概率是多少。
