diff --git a/.vitepress/sidebar.js b/.vitepress/sidebar.js
index 1f658b5..ff2c6ca 100644
--- a/.vitepress/sidebar.js
+++ b/.vitepress/sidebar.js
@@ -24,6 +24,7 @@ export function main_sidebar() {
         { text: '1.10如何读论文', link: '/1.杭电生存指南/1.10如何读论文' },
         { text: '1.11陷入虚无主义？进来看看吧', link: '/1.杭电生存指南/1.11陷入虚无主义？进来看看吧' },
         { text: '1.12选课原则与抢课技巧', link: '/1.杭电生存指南/1.12选课原则与抢课技巧' },
+        { text: '1.13数学学习篇', link: '/1.杭电生存指南/1.13数学学习篇'},
       ]
     },
     {
diff --git a/1.杭电生存指南/1.13数学学习篇.md b/1.杭电生存指南/1.13数学学习篇.md
new file mode 100644
index 0000000..6aafdf6
--- /dev/null
+++ b/1.杭电生存指南/1.13数学学习篇.md
@@ -0,0 +1,249 @@
+# 数学学习篇
+
+> author：张晓鹏
+>
+> 该文章仅为导引
+
+## 认知部分
+
+其实之前这一部分写了一大堆，但感觉文字实在是太太太多了，又觉得这种认知篇应该在生存指南部分，因此重新修改了一个相对精简版，希望读者能理解我的意思，也容忍我的啰嗦。（实际上还是很多啊啊啊啊）
+
+在开始正式这一篇章前，我们需要先闲聊几句，这几句无关你的学习，但又可能无时无刻与你的学习相关。
+
+1. 互联网时代下，学习资源过分的多，但学习资源的**质量参差不齐**。
+
+   - 啰嗦一：国内的教培太过魔怔，各种速成课、考研课，这种总结式的，反刍式的学习资源，在前期学习是极其不推荐的，它很可能会限制你的思维。
+   - 啰嗦二：很多课程不是为你电定制的，你电虽然不算特别好的学校，但也不算差的，按照我老师的说法，根据当年精英教育比例来看，我们虽然算垫底，但还是精英教育。互联网上有非常非常多的课程是为了二三本同学，播放量高也是如此，毕竟市场人数差很大啊！
+
+2. 资源的**好坏定义取决于你自身的适配度**，适配度越高越好，并不是难度越高越好。
+
+   - 解释：他人认为的极好的书籍或课程，对他来说适配度 100%，对你来说却可能是 0%，因为你可能完全学不懂，或者对你而言，其学习过程完全没有兴趣。
+
+3. 时间是极其稀贵的物品，不要浪费你的时间！
+
+   - 解释：对于大部分工科学生来说，**数学更多是工具**，需要的是数学应用，而不是像数学系同学一样，理解数学的理论。诚然，能深刻理解数学，是能更好的利用工具，甚至创造工具，但是时间成本太高，大部分情况下性价比过低。
+
+   - 有人会说：专业学到很深的时候，后面会涉及大量数学理论，因此他要前期打下极其扎实的数学基础。
+
+   - 笔者的回复是：你不是小说男主，你不需要一开始就选择逆天功法，踏踏实实的努力足以支撑你的小世界。如果为了后续极高的上限，而在前期花费过多时间，其一，你很可能在应用层面被同龄人甩远而承受打击；其二，你很可能学了一堆其他领域侧重的数学理论，这在你实际专业和工作中可能完全用不到；其三，数学学不完的，他不像高中有考纲，有穷尽。
+
+4. 高效利用时间的前提就是**明确自我需求**，针对需求进行**合理取舍**，建议设计一个尽可能适合自己的学习计划，过程中可以询问学长学姐一些建议，但仅是建议，最终决定权在你！
+
+   - 解释：比如你未来的梦想工作是算法工程师，那么你在对应算法领域的数学要多尝试些，而其他部分可以省略些；如果你的未来工作和数学没有关系！那么别学了（开个玩笑，但是要求就变成了能过就行）！
+   - 啰嗦：学长学姐仅比你早一些来到学校，与你也没有责任与义务，其所表达观点也不一定对的，甚至大部分情况下，很多人的观念就是很被动的，千万千万不要被限制了，请主动思考什么是合适你的，什么是你想要的！
+
+5. 学习资源不代表视频资源，公共性课程视频资源很多，但随着专业深入，视频会越来越少，书籍和文献会成为主要学习路径，特别是外文文献。因此在能继续学习的前提下，**多尝试直接啃书**，而不是看视频。
+
+   - 啰嗦：国内的一些论文和书籍真的是依托答辩！原因没法告诉，这是不能碰的滑梯，但理工科文献尽可能就别看国内的了，说不定里面就有错误，然后影响你很久！（不代表国外就没错误，但是国内的这个整体问题比例太离谱了）
+
+6. 相信国外热门的资源都会有本土化，但是本土化的水平可能参差不齐，当自己**过于难理解时**，**请看一下英文原著**，因为可能问题不在于你，而在于翻译。
+
+   - 啰嗦：有些书籍的翻译是依托答辩！甚至题目都会给你抄错！
+
+7. **不要拒绝英文**，尝试拥抱，即便这看起来很困难，但慢慢会好起来的。（这与你的高考英语一点关系没有，别担心，你可以的！）
+
+8. 国内和国外的教材区别比较大，有一个恰当又不恰当的比喻：**国内的多数教材就像讲义**，看似清清楚楚，实则云里雾里，需要老师来带才能理解；**国外的经典教材如同仙人指路**，带你拨开迷雾。
+
+   - 啰嗦：这里并不代表国外就好，国内就差，前提也是国外经典教材，其次国情不同，国内中学阶段都是阅读讲义，因此大学这样编写也是正常的，默认需要老师来讲。（即便笔者觉得这很不合适）
+
+## 推荐学习线路篇
+
+### 高等数学
+
+#### 整体框架介绍
+
+这里我对高等数学做一些简单的个人视角的介绍
+
+其实高等数学/微积分，**全篇内容都在讲极限**，而这也是大学数学与高中数学最大的不同，高等数学的一切都**建立于无穷之上**，而极限是无穷的一种极好的表达方式。如果你在学习的过程中，全篇以极限的角度去审视这些内容，你就会发现，这里面所有的运算都是极限运算，包括导数、积分，甚至级数部分，前期可能感受不深，越到后面越发会感受到，一切的运算都是极限运算，那些所谓的性质和一些不能使用的特殊情况，往往也都来源于这个最本质的家伙，极限！就这样，是不是感觉讲了没讲，没错，还真是！因为数学太深了，再细节下去就不是一篇文章所讲的完了。还想知道更多吗？那就去看下面的**3Blue1Brown 的微积分本质**！
+
+下面到这个文章没啥意思的推荐部分了。不过还是强调一句：**根据你的需求进行选择**！！！
+
+#### 系统性的网课推荐
+
+这里没有放速成课和考研课，因为笔者认为这两类课程的功利性过强，并且对知识的总结过多，不利于未来深入学习其他内容，因此不算传统学习路线，将速成课放在了最后应试技巧部分（考研课没推荐，因为笔者是数学系同学，这些不清楚，是一点也没看过）
+
+个人推荐优先级（以难度和深度划分）：上交大乐经良>国防科大版本>宋浩
+
+风格上前两者更传统，内容也更系统深刻，个人更喜欢乐老师一些；第三个宋浩老师课堂相对更活跃些，会讲比较多的段子，难度也更低一些。
+
+系统性的网课选其一能完整跟下来即可（跟不下来也正常，坚持挺难的）
+
+如果你只是为了考试，选择宋浩版本就足够了；如果为了未来工作，工程应用方面会涉及比较多，请选择前两个更系统的课程。如果觉得这些不合适，那么可以自行搜索选择其他课程。
+
+##### 《高等数学》上交大乐经良老师
+
+- 链接：[【高等数学 - 上海交通大学 - 乐经良老师 高清修复 1080p（全集）】](https://www.bilibili.com/video/BV1aY4y137fr/?share_source=copy_web&vd_source=1958d03181be22cf265b18eeec1314ff)
+
+##### 国防科大《高等数学》
+
+- 链接：[【国防科大高等数学【全网最佳】](https://www.bilibili.com/video/BV1F7411B7ep/?p=291&share_source=copy_web&vd_source=1958d03181be22cf265b18eeec1314ff)
+
+##### 宋浩《高等数学》
+
+- 链接：[【《高等数学》同济版 全程教学视频（宋浩老师）】](https://www.bilibili.com/video/BV1Eb411u7Fw/?share_source=copy_web&vd_source=1958d03181be22cf265b18eeec1314ff)
+
+##### 《微积分》苏德矿
+
+这个版本比较特别，比较**偏向经管类**的同学，因此没有放在前面比较。
+
+- 【[微积分（浙江大学 苏德矿/矿爷）】](https://www.bilibili.com/video/BV1Lt411r7NQ/?share_source=copy_web&vd_source=1958d03181be22cf265b18eeec1314ff)
+- 如果苏德矿老师版本不太能接受的话，请看宋浩老师版本的微积分，但需要注意的是**宋浩老师版本与杭电考试范围有所不同**，可能需要缺失部分补齐一下。
+- 因为笔者对经管类数学了解远不如理工科数学，因此这里不做过多阐述，同学可以自行搜索了解。
+
+#### 教材推荐
+
+这一块相对简略一些，主要是几个点
+
+1. 如果是自学，不推荐看同济版教材，和前面说的一样，那个像讲义，并且难度也不够，太浅了，需要老师来给你上课做额外注记。
+2. 图灵系列的书籍都是很不错的，并且套系的书很多，具体的可以先不着急买，可以先自行搜索电子书（前面章节应该有教的）
+3. 书单链接：[数学经典教材有什么？ - 人民邮电出版社的回答 - 知乎](https://www.zhihu.com/question/22302252/answer/1733795665)
+4. 自行选择，能读完一个本就足够了，而且读不完正常，根据以往经验的不科学推断，大部分人最多看完网课，书本草草翻过。
+
+#### 辅助工具推荐
+
+这部分内容与传统的网课不同，更倾向于**知识体系的辅助构建和补充**，某种程度上你可以认为是精华内容。
+
+##### 3Blue1Brown 的微积分本质
+
+这个名字听起来就很不错，对吧！
+
+1. 链接：[3Blue1Brown 的个人空间_哔哩哔哩_bilibili](https://space.bilibili.com/88461692/channel/seriesdetail?sid=1528931)。
+2. 内容是英文的，但实际上不会怎么影响，若是过于难接受英文，可以自行搜索汉语翻译版。
+3. 这部分内容和传统的高数教学不同，从直观的**图形角度**，讲解各个微积分中的重要概念由来和应用。
+4. 学习时间：与传统网课无任何冲突，可以在**任何时间观看**，即传统网课的前、中、后三个阶段均可看，并且不同阶段看感受不同，**建议反复观看**。
+5. 学习难度：简单又不简单，简单在于讲解的方式非常通俗，图形化知识非常直观，不简单在于其本身内容是深刻的，彻底理解这些内容或许需要不断反复的看以及配合传统网课的学习，搭建完知识体系后顿悟。
+
+##### Brilliant
+
+1. 链接：[https://brilliant.org/](https://brilliant.org/)。
+2. 国外非常火的直观学习数学网站，国内本土化产物是马同学图解数学，个人不推荐购买马同学图解数学，因为据个人了解，里面错误似乎比较多，但可以看其知乎上的好文章。
+3. 这个网站不做过多介绍，自己打开玩一玩就明白了。
+4. 额外补充一：这是一个付费内容，前几天是免费的，如果你觉得他值得，可以进行购买，购买途径可以官网，但第三方价格会便宜些，比如淘宝、闲鱼、PDD。
+5. 额外补充二：一个好用的翻译浏览器插件：沉浸式翻译，可以更好的体验。
+
+##### MIT-微积分重点
+
+1. 链接：[【我在 B 站上大学!【完整版 - 麻省理工 - 微积分重点】全 18 讲！学数学不看的微积分课程，看完顺滑一整年。_人工智能数学基础/机器学习/微积分/麻省理工/高等数学】](https://www.bilibili.com/video/BV1rY4y1P7er/?p=2&share_source=copy_web&vd_source=1958d03181be22cf265b18eeec1314ff)
+2. 非常**优雅的入门课**，同前面 3Blue1Brown 的微积分本质一样的使用方法。
+3. 注意，这个是**入门课**，不算系统课程！
+4. **建议看完！**
+
+### 线性代数
+
+#### 整体框架介绍
+
+下面又是我一点点个人理解，好吧，其实就一句话，别担心！线性代数是一个很特别的学科，刚开始很难，中间很混乱，最后很通透，因为全篇都在以不同的角度阐述相同又不同的内容，所以某种意义上，线性代数可以从任何一章节开始学习（当然，实际上要根据教材来，不然很怪啦）
+
+而关于线性代数整体研究什么，我极力推荐下面辅助部分的丘维声先生高等代数第一节高等代数研究对象（就第一节哦！因为这是数学系课程，偏理论，非数同学看多了不合适）
+
+#### 系统性的网课推荐
+
+与高等数学模块相同，这里没有放速成课和考研课，因为笔者认为这两类课程的功利性过强，并且对知识的总结过多，不利于未来深入学习其他内容，因此不算传统学习路线，将速成课放在了最后应试技巧部分（考研课没推荐，因为笔者是数学系同学，这些不清楚，是一点也没看过）
+
+这里只推荐两个网课，如果觉得自身不合适，可以自行去寻找其他更合适的。
+
+##### MIT 版的线性代数
+
+1. 链接：[【麻省理工学院 - MIT - 线性代数（我愿称之为线性代数教程天花板）】](https://www.bilibili.com/video/BV16Z4y1U7oU/?share_source=copy_web&vd_source=1958d03181be22cf265b18eeec1314ff)
+2. 评价：神中神！未来做工程应用的学生很推荐看这个！
+
+##### 宋浩线性代数
+
+1. 链接：[【《线性代数》高清教学视频“惊叹号”系列 宋浩老师】](https://www.bilibili.com/video/BV1aW411Q7x1/?share_source=copy_web&vd_source=1958d03181be22cf265b18eeec1314ff)
+2. 评价：MIT 系列过于强大，宋浩版本显得有些暗淡无光，但实际上宋浩老师版本完全是可以应对考试，如果接受不了 MIT 的版本，还是可以考虑有趣的宋浩老师。
+
+#### 教材推荐
+
+与前面高等数学部分相同，这里只做几个点说明
+
+1. 有一些线性代数的图解书籍或者讲几何意义的，可以看，但这里没做推荐，因为很多书不太严谨，可以自行搜索。
+2. 书单链接：[有没有讲线性代数比较好的教材？ - 如何表达的回答 - 知乎](https://www.zhihu.com/question/586392502/answer/2913648674)
+3. 主推荐还是 MIT 网课老爷子的配套书籍，
+4. 尽可能看英文原版，不要害怕。
+5. 《线性代数及其应用》千万别看翻译版，有很大问题，要看只看原版！![img](static/v2-704a5d77d767493bada1feccadcd6c4c_720w.webp)
+
+#### 辅助部分
+
+跟上面的高数部分一样，不过对于线性代数来说，可视化的理解会更有效果
+
+##### 3Blue1Brown 的线性代数本质
+
+1. 链接：[【官方双语/合集】线性代数的本质 - 系列合集】](https://www.bilibili.com/video/BV1ys411472E/?share_source=copy_web&vd_source=1958d03181be22cf265b18eeec1314ff)
+2. 神中神！多看，反复看！不允许每一个学线性代数的人不看这个视频！
+3. 其他不多说，和前面高数一样
+
+##### Brilliant
+
+1. 链接：[https://brilliant.org/](https://brilliant.org/)
+2. 和高数部分一样，不多说了
+
+##### 丘维声《高等代数》第一节课--高等代数研究对象
+
+这个课程是数学系同学学习的，也是笔者学习的课程，本来不该给非数学系的同学推荐，但是这里面的第一节讲的太好了，能让你很快的构建起一个**大概的框架**，并且能很好的避免传统无脑填鸭式的上来就给你讲行列式的课程体系（**点名批评线性代数紫皮书**，也就是杭电教材，同济大学版的线代）
+
+1. 链接：[【北大丘维声教授清华高等代数课程 1080P 高清修复版 (全 151 集)】](https://www.bilibili.com/video/BV1jR4y1M78W/?share_source=copy_web&vd_source=1958d03181be22cf265b18eeec1314ff)
+2. 再强调一下嗷，就**只看第一节**，也就是 001 和 002 两个视频。因为后续整个内容偏理论，应用层太少，不适合传统工科，但这第一节，绝对能让你搭建一个大概的**框架**，助力后续学习不晕眩！
+
+##### 线性代数可视化手册
+
+- 一个非常好的笔记，总结的很不错，但刚开始看会看不明白（毕竟是总结），建议学完一遍再看
+
+- 链接：[kenjihiranabe/The-Art-of-Linear-Algebra: Graphic notes on Gilbert Strang's "Linear Algebra for Everyone" (github.com)](https://github.com/kenjihiranabe/The-Art-of-Linear-Algebra)
+- 别告诉我不会在 GitHub 上下载文件哈（不会就去学下，利用 AI 工具
+
+## 其他部分
+
+### 新生先修课
+
+【Warning】这里别的不能多说，只能简略提几点，希望你能懂。
+
+1. 这是自愿内容，不是必须的。
+2. 合理利用机制，可以考虑替代期中成绩，为部分同学刷分需要（注！不是所有人都要刷分的！具体看 1.6 节正确解读 GPA）。
+3. 这份网课面向的是全体学子，其不一定适合你，或过于简单，或效率不高，但你应该尝试作为独立个体将其与其他课程进行对比，选择合适你自己的，为自己负责。
+4. 相信互联网资源的筛选法则。
+
+### 未央学社数学答疑（应试部分）
+
+是不是有点同学会觉得很奇怪，未央学社不是搞技术的吗，好像 java 后端很厉害，实际上这里打个小广告，未央学社除了技术部，还有讲师团和运营部，而讲师团专门负责给大家数学答疑和整理资料，我们构建了**HDU 数学营**，里面有很多资料，比如**往年卷**，比如我们专属出品**复习提纲**等，还有**非常多的同学互帮互助**，不说了，直接来看吧！
+
+#### 未央学社 HDU 数学营
+
+![image-20230801062631288](static\image-20230801062631288.png)
+
+#### 钉钉答疑
+
+我们还提供答疑服务，详细内容可以看下面的推文哈
+
+[未央学社学业答疑服务来啦 | 助力解决学业问题](https://mp.weixin.qq.com/s/FmwT_V8j4we22KzJiHWmtQ)
+
+#### 应试技巧
+
+##### 往年卷
+
+因为知识点不会变化，每年只是侧重有些区别，并且大部分题型还是一样的，因此往年卷有助于快速提分，做 3 份往年卷，你就会发现，欸，好像每年差不多。
+
+##### 速成视频
+
+个人不推荐猴博士，不适合杭电，看了容易挂科。
+
+为了不挂科，速成方面，微信公众号：蜂考，相对合适一些，但仅用于速成！
+
+关于视频资源：可以支持购买正版，也可以 PDD，TB 等地方获取。
+
+##### 高分复习顺序（个人推荐版）
+
+这部分内容仅为个人看法，不代表一定能高分，也不代表不这样做拿不到高分。
+
+最完整的复习顺序：知识点→书本例题→课堂例题（一般有 PPT）→作业题→书本课后题→往年卷真题
+
+考试题型来源：作业题和例题，因此当回顾作业题完成后，做往年卷会有特别感受。
+
+随时间可不做的优先级（若时间来不及，先砍）
+
+1. 书本课后题
+2. 作业题
+3. 知识点（这里值得是细看知识点，不是粗看，粗看都不看，直接跳转第 7 步）
+4. 课堂例题
+5. 书本例题
+6. 往年卷真题
+7. 如果平时没努力的话，这时候可以开始准备补考了
diff --git a/1.杭电生存指南/static/image-20230801062631288.png b/1.杭电生存指南/static/image-20230801062631288.png
new file mode 100644
index 0000000..5828c45
Binary files /dev/null and b/1.杭电生存指南/static/image-20230801062631288.png differ
diff --git a/1.杭电生存指南/static/v2-704a5d77d767493bada1feccadcd6c4c_720w.webp b/1.杭电生存指南/static/v2-704a5d77d767493bada1feccadcd6c4c_720w.webp
new file mode 100644
index 0000000..608a809
Binary files /dev/null and b/1.杭电生存指南/static/v2-704a5d77d767493bada1feccadcd6c4c_720w.webp differ
diff --git a/4.人工智能/4.3人工智能导论及机器学习入门.md b/4.人工智能/4.3人工智能导论及机器学习入门.md
index 27299ac..18a1457 100644
--- a/4.人工智能/4.3人工智能导论及机器学习入门.md
+++ b/4.人工智能/4.3人工智能导论及机器学习入门.md
@@ -2,18 +2,16 @@
 
 人工智能（Artificial Intelligence, AI）是机器，特别是计算机系统对人类智能过程的模拟。人工智能是一个愿景，目标就是让机器像我们人类一样思考与行动，能够代替我们人类去做各种各样的工作。人工智能研究的范围非常广，包括演绎、推理和解决问题、知识表示、学习、运动和控制、数据挖掘等众多领域。
 
-# 人工智能、机器学习与深度学习关系
+## 人工智能、机器学习与深度学习关系
 
 人工智能是一个宏大的愿景，目标是让机器像我们人类一样思考和行动，既包括增强我们人类脑力也包括增强我们体力的研究领域。而学习只是实现人工智能的手段之一，并且，只是增强我们人类脑力的方法之一。所以，人工智能包含机器学习。机器学习又包含了深度学习，他们三者之间的关系见下图。
 
 ![](https://cdn.xyxsw.site/AMU7bSgh4o8tEIxk82icvtbDn0c.png)
 
-# 如何学习本节内容
+## 如何学习本节内容
 
 作者深知学习人工智能时面临许多繁碎数学知识，复杂数学公式的痛苦，因此，本节内容重在讲解核心概念和算法，略去了复杂的数学推导，尽可能以直觉的方式去理解，本文的数学知识，高中生足以掌握。阅读本节内容不需要人工智能基础，你可以直接从本节入门 AI。本节内容的算法、项目实现将使用 python 实现，需要掌握一定的 python 基础语法。当然如果你急于了解 AI，却又不会 python，没有关系，你可以选择跳过其中的编程部分，着眼于其中的概念、算法，程序语言是算法实现的工具，并非学习算法的必须品。
 
-# 学习建议
+## 学习建议
 
 本节内容是作者根据[哈佛的 CS50AI 导论](https://cs50.harvard.edu/ai/2020/)以及 [Andrew Ng 的机器学习专项课程](https://www.coursera.org/specializations/machine-learning-introduction)简化编写，当然你可以直接学习这两门课程。本节内容的总学习时间应该是二到三个月，如果你在某个知识点上卡住了，你也许需要反复阅读讲义，必要时向身边人求助。
-
-# 目录