Fix typo (#357)

* Fix typo

* Fix typo

Co-authored-by: Cheng Lai <laicheng_VIP@163.com>
Co-authored-by: Luo Mai <luo.mai.cs@gmail.com>
Co-authored-by: Jiarong Han <73918561+hanjr92@users.noreply.github.com>

chapter_introduction/machine_learning_applications.md

@@ -15,8 +15,8 @@ Learning）等：
 计算机视觉和自然语言处理有很多交集，例如图像的文本描述生成、基于文本的图像生成、基于文本的图像处理等应用都同时涉及到了语言和图像两种数据类型。
 智能决策方面，往往通过结合计算机视觉、自然语言处理、强化学习、控制论等技术手段，实现决策类任务，广泛用于机器人、自动驾驶、游戏、推荐系统、智能工厂、智能电网等领域。
 
-经典的机器学习算法有支持向量机(Support Vector
-Machine，SVM)、逻辑回归（Logistic Regression）、朴素贝叶斯（Naive
+经典的机器学习算法有支持向量机（Support Vector
+Machine，SVM）、逻辑回归（Logistic Regression）、朴素贝叶斯（Naive
 Bayes）
 等方法。然而得力于大数据互联网和计算机性能的提升，以深度学习（Deep
 Learning）为代表的方法得到了广泛的研究和应用。

chapter_preface/index.md

@@ -28,7 +28,7 @@
 
 * 迭代式改进：深度学习的优化算法随机梯度下降本质上是在复杂问题中利用局部梯度进行海量迭代，最终找到优秀的局部最优解。我因此利用了同样的思路来设计书籍质量的迭代提高。我们首先在Overleaf上写作好书籍的初版（类似于初始参数，Initial Weights）。接下来，我们进一步将书籍的内容做成标准的Git代码仓库（Book as code）。建立机制鼓励开源社区和广大读者开启Issue和PR，频繁改进书籍（相当于梯度，Gradients），而我们设置好完善的书籍构建工具，持续集成工具，贡献者讨论会，标准化的Issue和PR合并流程等等，就可以让书籍的质量持续提高实现随机梯度下降（Stochastic Gradient Descent）一样的最终最优性。
 
-* 高可用性：我们要有7x24小时在线的平台，让书籍可以在全球任何时区，任何语言平台下都能参与开发，倾听社区的反馈。因此我们将Git仓库放置在Github上，并准备之后在Gittee做好镜像。这样，我们就搭建了一套高可用的写作平台了。
+* 高可用性：我们要有7x24小时在线的平台，让书籍可以在全球任何时区，任何语言平台下都能参与开发，倾听社区的反馈。因此我们将Git仓库放置在GitHub上，并准备之后在Gitee做好镜像。这样，我们就搭建了一套高可用的写作平台了。
 
 * 内容中立：一个分布式系统要能长久运行，其中的每一个节点我们要同等对待，遇到故障才能用统一的办法来进行故障恢复。考虑到书籍写作中的故障（设计无法经受时间检验，写作人中途不得不退出等等）可以来源于方方面面，我们让不同背景的参与者共同完成每一个章节，确保写出中立，客观，包容各类型观点的书籍内容，并且写作不会因为故障而中断。
 

info/info.md

@@ -1,5 +1,5 @@
 ## 环境安装
-机器学习系统书籍部署在Github是依赖于d2lbook工具实现的。因此我们首先要安装d2lbook。
+机器学习系统书籍部署在GitHub是依赖于d2lbook工具实现的。因此我们首先要安装d2lbook。
 ```bash
 git clone https://github.com/openmlsys/d2l-book.git
 cd d2l-book