report.md fixed

LW1/report.md

@@ -3,13 +3,13 @@
 
 ### *1. В среде GoogleColab создать новый блокнот (notebook). Импортировать необходимые для работы библиотеки и модули.*
 
-tensorflow.keras — высокоуровневый API для построения и обучения нейронных сетей. Мы используем его для загрузки датасета и построения моделей.
+`tensorflow.keras` — высокоуровневый API для построения и обучения нейронных сетей. Мы используем его для загрузки датасета и построения моделей.
 
-matplotlib.pyplot — библиотека для визуализации данных, построения графиков и отображения изображений.
+`matplotlib.pyplot` — библиотека для визуализации данных, построения графиков и отображения изображений.
 
-numpy — библиотека для работы с многомерными массивами и выполнения численных операций.
+`numpy` — библиотека для работы с многомерными массивами и выполнения численных операций.
 
-sklearn (scikit-learn) — библиотека для машинного обучения, содержит инструменты для предварительной обработки данных, метрик, кластеризации и классификации.
+`sklearn (scikit-learn)` — библиотека для машинного обучения, содержит инструменты для предварительной обработки данных, метрик, кластеризации и классификации.
 
 Задание рабочей директории, импорт необходимых библиотек и модулей:
 
@@ -29,7 +29,7 @@ import sklearn
 Он содержит 70 000 изображений цифр от 0 до 9, из них 60 000 для обучения (training set) и 10 000 — для тестирования (test set).
 
 Каждое изображение имеет размер 28×28 пикселей и представлено в градациях серого.
-В TensorFlow набор данных MNIST встроен в модуль keras.datasets, что позволяет легко загрузить его одной командой.
+В TensorFlow набор данных MNIST встроен в модуль `keras.datasets`, что позволяет легко загрузить его одной командой.
 
 ```python
 (X_train, y_train), (X_test, y_test) = mnist.load_data()
@@ -427,7 +427,7 @@ print(np.argmax(predictions, axis=1))
 
 ### *14. Каждому члену бригады создать копию собственного изображения, отличающуюся от оригинала поворотом на 90 градусов в любую сторону. Сохранить изображения. Загрузить, предобработать и подать на вход обученной нейронной сети изменённые изображения. Вывести изображения и результаты распознавания.*
 
-Для проверки устойчивости модели к поворотам изображений были созданы версии исходных цифр, повёрнутые на 90°. Далее выполняется их загрузка, нормализация, инверсия и распознавание обученной моделью.
+Для проверки устойчивости модели к поворотам изображений были созданы версии исходных цифр, повёрнутые на 90° по часовой стрелке. Далее выполняется их загрузка, нормализация, инверсия и распознавание обученной моделью.
 
 ```python
 from google.colab import files