From b005e2538df61074e5ba125cc67cd8cd5c06fcc3 Mon Sep 17 00:00:00 2001
From: =?UTF-8?q?Jos=C3=A9=20Ignacio=20Escribano?=
 <jiep@users.noreply.github.com>
Date: Mon, 29 Aug 2022 18:58:29 +0200
Subject: [PATCH] Update README.md

---
 README.md | 4 ++--
 1 file changed, 2 insertions(+), 2 deletions(-)

diff --git a/README.md b/README.md
index 1ee84be..93ba3ce 100644
--- a/README.md
+++ b/README.md
@@ -1,4 +1,4 @@
-# Introducción al Adversarial Machine Learning
+# Introducción al Adversarial Machine Learning
 
 [Charla de Adversarial Machine Learning](TBD) para [DragonJAR 2022](https://www.dragonjarcon.org).
 
@@ -18,7 +18,7 @@ El Adversarial Machine Learning establece que existen 4 tipos de ataque que pued
     <img alt="Taxonomía" src="./img/attacks/taxonomia.png" data-canonical-src="./img/attacks/taxonomia.png" width="50%" />
   </p>
 
-* **Extracción (o robo) de modelo**: permiten a un adversario robar los parámetros de un modelo de machine learning.
+* **Extracción (o robo de modelos)**: permiten a un adversario robar los parámetros de un modelo de machine learning.
   <p align="center">
     <img alt="Ataques de extracción" src="./img/attacks/extraccion.png" data-canonical-src="./img/attacks/extraccion.png" width="50%" />
   </p>