diff --git a/questions.md b/questions.md
index 4a4fe2e..71c1045 100644
--- a/questions.md
+++ b/questions.md
@@ -622,7 +622,7 @@ class NextClass(FirstClass):
 class D:          attr = 3      #  D:3   E:2
 class B(D)        pass          #   |     |
 class E:          attr = 2      #   B    C:1
-class C(E):       attr = 1      #    /   /
+class C(E):       attr = 1      #    \   /
 class A(B, C):    pass          #      A
 X = A()                         #      |
 print(X.attr)                   #      X
@@ -635,10 +635,10 @@ print(X.attr)                   #      X
 **Пример наследования в ромбовидных иерархаических деревьях:**
 
 ```python
-class D:          attr = 3      #  D:3   D:3
-class B(D)        pass          #   |     |
+class D:          attr = 3      #     D:3 
+class B(D)        pass          #    /   \
 class C(D):       attr = 1      #   B    C:1
-class A(B, C):    pass          #    /   /
+class A(B, C):    pass          #    \   /
 X = A()                         #      A
 print(X.attr)                   #      |
                                 #      X
@@ -1327,9 +1327,11 @@ greet_hello('Ivan')
 
 ```python
 greet_curried('Hi')('Roma')
+```
 
 А дальше можно сделать это с любым количеством аргументов:
 
+```python
 def greet_deeply_curried(greeting):
     def w_separator(separator):
         def w_emphasis(emphasis):
@@ -1350,13 +1352,13 @@ greet('Ivan')
 
 Функция `filter` оставляет лишь те элементы последовательности, для которых заданная функция истинна. В Python 2 возвращает список, в Python 3 – объект-итератор.
 
-Функция `reduce` (в Python 2 встроенная, в Python 3 находится в модуле functools) принимает функцию от двух аргументов, последовательность и опциональное начальное значение и вычисляет свёртку (fold) последовательности как результат последовательного применения данной функции к текущему значению (так называемому аккумулятору) и следующему элементу последовательности.
+Функция `reduce` (в Python 2 встроенная, в Python 3 находится в модуле functools) принимает функцию от двух аргументов, последовательность, и опциональное начальное значение, и вычисляет свёртку (fold) последовательности как результат последовательного применения данной функции к текущему значению (так называемому аккумулятору) и следующему элементу последовательности.
 
 ### Какие еще вы знаете функции из модуля functools
 
 Модуль functools содержит большое количество стандартных функций высшего порядка. Среди них особенно полезны:
 
-- lru_cache – декоратор, который кеширует значения функций, которые не меняют свой результат при неизменных аргументах; полезен для кеширования данных, мемоизации (сохранения результатов для возврата без вычисления функции) значений рекурсивных функций (например, такого типа, как функция вычисления n-го числа Фибоначчи) и т.д.;
+- lru_cache – декоратор, который кеширует значения функций, которые не меняют свой результат при неизменных аргументах; полезен для кеширования данных, мемоизации (сохранения результатов для возврата без повторного вычисления функции) значений рекурсивных функций (например, такого типа, как функция вычисления n-го числа Фибоначчи) и т.д.;
 - partial – частичное применение функции (вызов функции с меньшим количеством аргументов, чем она ожидает, и получение функции, которая принимает оставшиеся параметры).
 
 ### Какие вы функции знаете из модуля itertools
@@ -1374,7 +1376,8 @@ greet('Ivan')
 
 ### Для чего нужен модуль operator
 
-Модуль operator содержит функции, которые соответствуют стандартным операторам. Таким образом, вместо lambda x, y: x + y можно использовать уже готовую функцию operator.add и т.д.
+Модуль operator предоставляет доступ к внутренним функциям Python, которые соответствуют стандартным операторам. Например, вместо `lambda x, y: x + y` можно использовать уже готовую функцию `operator.add(x, y)`, а для получения значений двух вложенных атрибутов использовать `operator.attrgetter('name.first', 'name.last')`, и т.д. Такие вызовы выполняются быстрее аналогичных лямбд и именованных фукций.
+
 
 ## GIL, потоки, процессы
 
@@ -1398,6 +1401,8 @@ greet('Ivan')
 
 По сути, GIL в питоне делает бесполезной идею применять потоки для параллелизма в вычислительных задачах. Они будут работать последовательно даже на многопроцессорной системе. На CPU Bound задачах программа не ускорится, а только замедлится, так как теперь потокам придется делить пополам процессорное время. При этом I/O операции GIL не замедлит, так как перед системным вызовом поток отпускает GIL.
 
+Следует отметить, что GIL решает ту же задачу по управлению ресурсами, что и планировщик потоков в операционой системе. В случае использования логических потоков они могут даже мешать друг другу у величивая время ожидания доступа к ресурсу, что замедит исполнение программы. Но при физическом разделении (вычисление на разных физических ядрах или физически многопоточных ядрах) будет ожидаемый прирост производительности.
+
 ### Работали ли Вы с asyncio. В чём его особенность
 
 - [Асинхронное программирование в Python](https://webstudio-uwk.ru/asinhronnoe-programmirovanie-v-python/)
@@ -1412,7 +1417,7 @@ greet('Ivan')
 
 Переключение контекста — вообще дорогая для процессора операция, которая требует сброса регистров, кэша и таблицы отображения страниц памяти. Чем больше потоков запущено, тем больше процессор совершает холостых переключений на потоки, заблокированные GIL, прежде чем дойдет до того самого, который этот GIL удерживает. Не очень-то эффективно.
 
-Есть старые добрые сопрограммы — то, что сейчас предлагает AsyncIO и Tornado. Их еще называют корутинами или просто потоками на уровне пользователя. Модная нынче штука, но, далеко не новая, а использовалась еще во времена, когда в ходу были ОС без поддержки многозадачности.
+Есть старые добрые сопрограммы — то, что сейчас предлагает AsyncIO и Tornado. Их еще называют корутинами или просто потоками на уровне пользователя. Модная нынче штука, но, далеко не новая, а использовалась еще во времена, когда в ходу были ОС без поддержки многопоточности.
 
 В отличи от потоков, сопрограммы выполняют только полезную работу, а переключение между ними происходит только в тот момент, когда сопрограмма ожидает завершения какой-то внешней операции.
 
@@ -1445,7 +1450,7 @@ loop = asyncio.get_event_loop()
 loop.run_until_complete(asyncio.wait(futures))
 ```
 
-Программа состоит из метода async. Во время выполнения он возвращает сопрограмму, которая затем находится в ожидании.
+Сопрограмма описана как асинхронная функция. Во время выполнения она вызывает I/O подпрограммы отправки get запроса и чтения текстовой части ответа, во время ожидания которых управление передается исполнению других сопрограмм (переключение сопрограмм в моменты вызова await происходит даже если фактическое время ожидания незначительно). Таким образом, все сопрограммы (опрос трех серверов по url) исполняются параллельно и асинхронно. 
 
 `async/await` нужен для того, чтобы не блокировать поток выполнения на время ожидания какого-нибудь асинхронного события. Конструкция `async/await` превращает по сути процедуру в корутину (сопрограмму): она прекращает своё выполнение на время `await`, дожидается асинхронного события, и возобновляет работу.
 
@@ -1457,7 +1462,7 @@ loop.run_until_complete(asyncio.wait(futures))
 
 ### В чем отличие тредов от мультипроцессинга
 
-Главное отличие в разделении памяти. Процессы независимы друг от друга, имеют раздельные адресные пространства, идентификаторы, ресурсы. Треды исполняются в совместном адресном порстранстве, имеют общий доступ к памяти, переменным, загруженным модулям.
+Главное отличие в разделении памяти. Процессы независимы друг от друга, имеют раздельные адресные пространства, идентификаторы, ресурсы. Треды исполняются в совместном адресном пространстве, имеют общий доступ к памяти, переменным, загруженным модулям.
 
 ### Какие задачи хорошо параллелятся, какие плохо