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
2）用自己的话总结“梯度”，“梯度下降”和“贝叶斯定理”，
梯度：它不是一个实数，它是一个向量即有方向也有大小，对于单变量函数来说，梯度可以代表着函数在某个给定点的切线的斜率，对于多变量函数来收，梯度就是一个有方向的向量，指出了函数在给定点的上升最快的方向。
梯度下降：它就是一种寻找目标函数最小化的方法（也可以说是从山顶寻找一个最快、最陡峭的路线下山）。
贝叶斯定理：对于事件A和B满足：
，
P(A)是A的先验概率或边缘概率。之所以称为"先验"是因为它不考虑任何B方面的因素；
P(A|B)是已知B发生后A的条件概率，也由于得自B的取值而被称作A的后验概率；
P(B|A)是已知A发生后B的条件概率，也由于得自A的取值而被称作B的后验概率；
P(B)是B的先验概率或边缘概率。
简单来说就是概率问题，一个事件发生后的情况下，会触发另一个事件的可能性。