diff --git a/06-ml_algos/intro-to-deep-learning.es.md b/06-ml_algos/intro-to-deep-learning.es.md
index bec94b3..a492822 100644
--- a/06-ml_algos/intro-to-deep-learning.es.md
+++ b/06-ml_algos/intro-to-deep-learning.es.md
@@ -12,7 +12,7 @@ Uno de los modelos más utilizados en el Machine Learning son las **Redes de Neu
 
 El **Aprendizaje Profundo** (*Deep Learning*) es una rama de la Inteligencia Artificial que se centra en la construcción de sistemas basados en **Redes de Neuronas Profundas** (*DNN*, *Deep Neural Networks*). Estas redes neuronales se denominan "profundas" porque tienen muchas capas de neuronas artificiales, o "nodos", que pueden aprender y representar patrones de datos muy complejos. Las redes más sencillas, con menos capas, pueden ser capaces de aprender patrones más simples, pero las redes profundas son capaces de aprender patrones que son demasiado complejos para que los humanos los diseñen manualmente.
 
-Las técnicas de deep learning han impulsado muchos avances en la IA en la última década, particularmente en áreas como el reconocimiento de voz, el reconocimiento de imágenes, el procesamiento del lenguaje natural, y el juego autónomo. Por ejemplo, las técnicas de deep learning son la base de los sistemas de reconocimiento de voz como Siri y Alexa, los sistemas de recomendación de Netflix y Amazon, y el software de conducción autónoma de Tesla.
+Las técnicas de deep learning han impulsado muchos avances en la IA en la última década, particularmente en áreas como el reconocimiento de voz, el reconocimiento de imágenes, el procesamiento del lenguaje natural y el juego autónomo. Por ejemplo, las técnicas de deep learning son la base de los sistemas de reconocimiento de voz como Siri y Alexa, los sistemas de recomendación de Netflix y Amazon, y el software de conducción autónoma de Tesla.
 
 El deep learning requiere grandes cantidades de datos y capacidad de cálculo para entrenar modelos eficazmente. Esto es debido a que las redes neuronales profundas tienen muchos parámetros que necesitan ser ajustados, y estos parámetros se ajustan iterativamente a través de un proceso llamado retropropagación, que requiere grandes cantidades de cálculos matemáticos.