feat: Improve overall format

docs/深度学习/EECS498-007.md

@@ -1,4 +1,4 @@
-# EECS 498-007 / 598-005: Deep Learning for Computer Vision
+# UMich EECS 498-007 / 598-005: Deep Learning for Computer Vision
 
 ## 课程简介
 
@@ -24,11 +24,11 @@ UMich 的 Computer Vision 课，课程视频和作业质量极高，涵盖的主
 
 而在 A4 中，你将实际触及搭建物体检测模型的全流程，同时跟随 Handout 实现两篇论文中的 One-Stage Detector 和 Two-Stage Detector。
 
-到了 A5，就是从 CNN 到 RNN 的时刻了，你将有机会亲自搭建起两种不同的基于注意力的模型，RNN 和大名鼎鼎的 Transfomer。
+到了 A5，就是从 CNN 到 RNN 的时刻了，你将有机会亲自搭建起两种不同的基于注意力的模型，RNNs (Vanilla RNN & LSTM) 和大名鼎鼎的 Transfomer。
 
-在最后一个 Assignment（A6）中，你将有机会实现两种更为 Fancy 的模型，VAE 和 GAN，并应用在 MINST 数据集上。最后，你会实现网络可视化和风格迁移两个非常酷炫的功能。
+在最后一个 Assignment（A6）中，你将有机会实现两种更为 Fancy 的模型，VAE 和 GAN，并应用在 MINST 数据集上。最后，你会实现网络可视化和风格迁移这两个非常酷炫的功能。
 
-在 Assignments 之外，你还可以自己实现一个 mini-project，亲自搭建起一个完整的深度学习 Pipeline，具体可以参考课程主页。
+在 Assignments 之外，你还可以自己实现一个 Mini-Project，亲自搭建起一个完整的深度学习 Pipeline，具体可以参考课程主页。
 
 课程所涉及的资源，如 Lectures/Notes/Assignments 都是开源的，美中不足的是 Autograder 只对本校 Enrolled 的学生开放，但因为在提供的 `*.ipynb`（也就是 Handout） 中已经可以确定实现的正确性，以及预期的结果，所以我个人觉得 Autograder 的缺失没有任何影响。