Update README.md

README.md

@@ -19,7 +19,7 @@
 ### Обзор курса
 
 
-**1. Введение в большие данные**
+**1. Введение в большие данные**      
 Определение больших данных.     
 Основные характеристики: объем, скорость, разнообразие, достоверность, ценность.     
 Примеры применения больших данных.     
@@ -40,7 +40,7 @@ Hadoop и экосистема Hadoop.
 Типы NoSQL баз данных: документные (MongoDB), столбцовые (Cassandra), ключ-значение (Redis), графовые (Neo4j).     
 Примеры использования и особенности.     
 
-**4. Хранилища данных и ETL процессы**
+**4. Хранилища данных и ETL процессы**    
 Проектирование хранилищ данных.     
 Основные концепции: схематические модели, нормализация и денормализация.
 Поисковые индексы и эффективное хранение и применение индексов на диске.
@@ -49,13 +49,13 @@ Hadoop и экосистема Hadoop.
 Популярные NoSQL хранилища и СУБД: HDFS, HBase, Memcached, ElasticSearch/Solr, ClickHouse.       
 Data Lake vs Data Warehouse.   
 
-**5. ETL-процессы  **        
+**5. ETL-процессы**             
 Извлечение данных из различных источников.    
 Трансформация данных: очистка, агрегация, объединение.     
 Загрузка данных в хранилище.    
 Инструменты для ETL: Apache Nifi, Talend, Informatica, Airflow.     
 
-**6. Аналитика и визуализация данных**
+**6. Аналитика и визуализация данных**     
 Инструменты для аналитики больших данных.     
 Основные инструменты: Apache Hive, Presto, Drill.     
 Обзор SQL on Hadoop решений.    
@@ -68,7 +68,7 @@ Data Lake vs Data Warehouse.
 Качество данных и управление ими.     
 Мониторинг и оптимизация производительности.     
 
-**8. Безопасность данных**
+**8. Безопасность данных**     
 Безопасность и конфиденциальность данных.     
 Принципы безопасности данных.    
 Шифрование и управление доступом.