Update README.md

README.md

@@ -84,7 +84,7 @@ ASR output before restoring:
 
 After restoring:
 
-Краяугольным камнем любого алгоритма обучения является прежде всего его обобщающая способность. Тогда мы обучаем некоторую модель, у нас есть обучающая выборка, у нас есть все те же ошибки, и наша задача сводится вообще к компенсационной задаче. Мы минимизируем функцию ошибки по параметрам нашей модели на обучающей выборке. Но на самом деле хотим там и не этого. Мы не обучающую ошибку хотим минимизировать.
+Краеугольным камнем любого алгоритма машинного обучения является прежде всего его общая способность. Когда мы обучаем некоторую модель, у нас есть обучающая выборка, у нас есть какие-то ошибки, и наша задача сводится в общем к компенсационной задаче. Мы минимизируем функцию ошибки по параметрам нашей модели на обучающую выборку, но на самом деле хотим там и не этого. Мы не обучающую ошибку хотим минимизировать.
 
 ==========
 Example 2
@@ -96,5 +96,5 @@ ASR output before restoring:
 
 After restoring:
 
-максимально ухудшить идеальную систему. Вводить туда какие-то элементы или условия, чтобы итоговый результат должен быть такой. Мы должны в 22 раза замедлить нашу разработку.
+Максимально ухудшать идеальную систему, вводить туда какие-то элементы или условия, чтобы итоговый результат должен быть такой. Мы должны в 22 раза замедлить нашу разработку.
 ```