modify readme

README.md

@@ -1,20 +1,23 @@
 本项目是作者多年学习与工作实践的总结，绝大部分代码都经过实际运行保证准确无误。  
+
 作者非CS专业科班出身，在校期间并未系统学习过数据结构操作系统设计模式等课程，相关的知识都是工作以后再进行系统学习，所以该项目特别适合非CS专业同学。  
+
 结合作者工作实践发现，算法并不只是离线train model，甚至可以说离线train model只是工作很小的一部分。相反对应的工程能力，代码能力，数据能力非常重要。  
+
 因此该项目不仅有算法理论，算法推导，还有更多工程以及数据方面的内容，大部分都是工作中遇到的实际问题，可以为大家实践中提供参考思路。  
 
 
 项目结构如下  
-  -- bigdata 大数据处理方案，包括hive/hadoop/spark/hbase等
-  -- code-languages 编码语言，包括java/python/scala等
-  -- cs-other cs领域的一些有意思的事情
-  -- deep-learning 深度学习的一些算法原理推导，tensorflow等框架
-  -- feature-engineering 特征工程，做过算法的人都知道特征工程重要性
-  -- math 数学原理，包括矩阵分析，概率统计等算法中常用数学知识
-  -- recommend 推荐系统一些相关知识，目前作者就从事推荐相关工作
-  -- service-enginnering 线上服务，算法上线必备知识
-  -- tools 实际中常用的各种工具，包括awk,grep,sed数据处理三剑客，git,maven等常见工具，intellij，sublime,vim等IDE, linux-shell常见脚本
-  -- traditional-algorithm 区别于深度学习的传统机器学习算法，包括聚类算法/最优化方法/树类算法等，还有mllib的简单介绍。
+  -- bigdata 大数据处理方案，包括hive/hadoop/spark/hbase等  
+  -- code-languages 编码语言，包括java/python/scala等  
+  -- cs-other cs领域的一些有意思的事情  
+  -- deep-learning 深度学习的一些算法原理推导，tensorflow等框架  
+  -- feature-engineering 特征工程，做过算法的人都知道特征工程重要性  
+  -- math 数学原理，包括矩阵分析，概率统计等算法中常用数学知识  
+  -- recommend 推荐系统一些相关知识，目前作者就从事推荐相关工作  
+  -- service-enginnering 线上服务，算法上线必备知识  
+  -- tools 实际中常用的各种工具，包括awk,grep,sed数据处理三剑客，git,maven等常见工具，intellij，sublime,vim等IDE, linux-shell常见脚本  
+  -- traditional-algorithm 区别于深度学习的传统机器学习算法，包括聚类算法/最优化方法/树类算法等，还有mllib的简单介绍。  
   
 
 同学们可以按照自己的兴趣，去对应的版块寻找对应的内容。