1）贴上视频学习笔记，要求真实，不要抄袭，可以手写拍照。
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。
答：
（1）
1）P2 概率论与贝叶斯先验
重要截图：
2）P3 矩阵和线性代数
重要截图：
（2）
（1）梯度：
梯度就是类似楼梯一样，有上下之分，往着一个方向就是上升或者下降，有个最高点或最低点，就是最大值或最小值。
梯度就是一个向量即有方向有大小，也是一个导数。函数f的梯度方向是函数f的值增长最快的方向,最陡的方向，换句话说，在一个场中，函数在某一点处的梯度即为此点方向导数最大值。
（2）梯度下降：
情况1：单调下降，导数为负（梯度为负），要想找到函数的最小值所对应的自变量的值（曲线最低点对应x的值）应该水平向右滑，也就是让x增大，此时随着x增大，函数值是减小（下降）的。
情况2：单调上升，导数为正（梯度为正），要想找到函数的自变量的值（曲线最低点对应x的值）应该水平向左滑啦，也就是让x减小，此时随着x减小，函数值减小的。
情况1和情况2其实都反映了梯度下降的过程：①根据梯度（导数）的符号来判断最小值点x在哪；②让函数值下降（变小）。梯度下降的作用其实就是找到函数的最小值所对应的自变量的值（曲线最低点对应x的值）。
（3）贝叶斯定理：
在条件概率和全概率的基础上，很容易推导出贝叶斯公式：
看上去贝叶斯公式只是把 A 的后验概率转换成了 B 的后验概率 + A 的边缘概率的组合表达形式，因为很多现实问题中P（A|B）或 P（A∩B）很难直接观测，但是P（B|A）和 P（A） 却很容易测得，利用贝叶斯公式可以方便我们计算很多实际的概率问题。