请确保熟悉并理解机器学习数学部分常用相关概念:
1.高等数学
1）函数
2）极限
3）导数
4）极值和最值
5）泰勒级数
6）梯度
7）梯度下降
2.线性代数
1）基本概念
2）行列式
3）矩阵
4）最小二乘法
5）向量的线性相关性
3.概率论
1）事件
2）排列组合
3）概率
4）贝叶斯定理
5）概率分布
6）期望和方差
7）参数估计
2.本周视频学习内容：https://www.bilibili.com/video/BV1Tb411H7uC?p=2
1）P2 概率论与贝叶斯先验
2）P3 矩阵和线性代数
机器学习是一门多领域交叉学科，涉及较多的数学知识，本节课知识之前都有学过，这次根据重点重新梳理一遍，一定要多加重视。通过观看视频，大家对课程的数学基础部分加深印象。
建议大家边看边做笔记，记录要点及所在时间点，以便有必要的时候回看。学习笔记也是作业的一部分。
3.作业要求：
1）贴上视频学习笔记，要求真实，不要抄袭，可以手写拍照。
学习视频截图:
以上是本次视频相关学习笔记，截图以作笔记。
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.梯度：其实就是一个向量，一个元素的偏导数，它是有大小和方向的，沿着梯度上升最快的方向可以得到最大值，
同样，沿着梯度下降最快的方向可以得到最小值。
2.梯度下降：它就相当于我们在山顶，想要下山的过程。当站在山顶时，想要抵达底部，在不知下山的速度时，
以当前的位置为准，沿着最陡的方向下山，每一步都判断最陡的方向，一步一步走去，直到山脚下，
这样我们就能抵达山脚下。
3.贝叶斯定理贝：叶斯定理是关于随机事件A和B的条件概率和边缘概率，可以解决事件B发生的概率下事件A发生的概率，
反之可以解决事件A发生的概率下事件B发生的概率。