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。
1.
2.
梯度：在向量微积分中，标量场的梯度是一个向量场。标量场中某一点上的梯度指向标量场增长最快的方向，梯度的长度是这个最大的变化率。
梯度下降：：在机器学习算法中，在最小化损失函数时，可以通过梯度下降思想来求得最小化的损失函数和对应的参数值。梯度下降的几个概念：步长、特征、假设函数、损失函数。
贝叶斯定理：与其他统计学推断方法截然不同，它建立在主观判断的基础上，在不完全情报下，也就是说，你可以不需要客观证据，先估计一个主观概率对部分未知的状态进行描述，然后根据实际结果不断修正，最后再利用期望值和修正概率做出最优决策。
原文：https://www.cnblogs.com/zhff/p/12692912.html