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
(1) 范德蒙行列式
(2) 矩阵的秩
(3) 向量组等价
(4) 最终结论
(5) 标量对向量的导数
(6) 标量对方阵的导数
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：梯度与方向导数相关，但是它是一个即有方向有大小的向量，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，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。
梯度下降：梯度的方向是函数增长速度最快的方向，那么梯度下降的方向就是函数减少最快的方向，沿着梯度下降的方向，通过迭代，梯度值便会变小，然后找到最小的梯度值的方法就是梯度下降，梯度下降是是一种不断迭代的过程。
贝叶斯定理：事件A在事件B已经发生的条件下的概率，与事件B在事件A已经发生的条件下的概率不同，但是两者的概率是相关的。