Fix two malformed files

Author: melissawm

content/es/case-studies/blackhole-image.md

@@ -8,7 +8,7 @@ src = '/images/content_images/cs/blackhole.jpg'
 title = 'Agujero Negro M87'
 alt = 'Imagen de agujero negro'
 attribution = '(Créditos de la imagen: Colaboración del telescopio del Horizonte de Sucesos)'
-attributionlink = 'https://www. pl.nasa.gov/images/universe/20190410/blackhole20190410.jpg'
+attributionlink = 'https://www.jpl.nasa.gov/images/universe/20190410/blackhole20190410.jpg'
 {{< /figure >}}
 
 {{< blockquote cite="https://www.youtube.com/watch?v=BIvezCVcsYs" by="Katie Bouman, *Profesora Asistente, Ciencias de la Computación & Matemáticas, Caltech*"

content/es/config.yaml

@@ -19,33 +19,28 @@ params:
   shell:
     title: marcador
     intro:
-      - 
-        title: Prueba NumPy
+      - title: Prueba NumPy
         text: Utilice el terminal interactivo para probar NumPy en el navegador
     docslink: No olvides echarle un ojo a la <a href="https://numpy.org/doc/stable" target="_blank">documentación</a>.
   casestudies:
     title: CASOS DE ESTUDIO
     features:
-      - 
-        title: Primera imagen de un Agujero Negro
+      - title: Primera imagen de un Agujero Negro
         text: Cómo NumPy, junto con bibliotecas como SciPy y Matplotlib que dependen de NumPy, permitió al Telescopio del Horizonte de Sucesos producir la primera imagen de un agujero negro
         img: /images/content_images/case_studies/blackhole.png
         alttext: Primera imagen de un agujero negro. Es un círculo anaranjado con fondo negro.
         url: /es/case-studies/blackhole-image
-      - 
-        title: Detección de Ondas Gravitacionales
+      - title: Detección de Ondas Gravitacionales
         text: En 1916 Albert Einstein predijo las ondas gravitacionales; 100 años después se confirmó su existencia por científicos del LIGO, utilizando NumPy.
         img: /images/content_images/case_studies/gravitional.png
         alttext: Dos cuerpos orbitándose mutuamente. Estos desplazan la gravedad a su alrededor.
         url: /es/case-studies/gw-discov
-      - 
-        title: Analíticas Deportivas
+      - title: Analíticas Deportivas
         text: El Análisis de Críquet está cambiando el juego, mejorando el rendimiento de los jugadores y equipos mediante modelos estadísticos y análisis predictivos. NumPy permite realizar muchos de estos análisis.
         img: /images/content_images/case_studies/sports.jpg
         alttext: Bola de Cricket sobre un campo verde.
         url: /es/case-studies/cricket-analytics
-      - 
-        title: Estimación de la pose mediante aprendizaje profundo
+      - title: Estimación de la pose mediante aprendizaje profundo
         text: DeepLabCut utiliza NumPy para acelerar estudios científicos que implican la observación del comportamiento animal para una mejor comprensión del control motriz, a través de especies y escalas de tiempo.
         img: /images/content_images/case_studies/deeplabcut.png
         alttext: Análisis de la pose de un Guepardo
@@ -54,84 +49,61 @@ params:
     title: ECOSISTEMA
   section5: false
   navbar:
-    - 
-      title: Instalar
+    - title: Instalar
       url: /es/install
-    - 
-      title: Documentación
+    - title: Documentación
       url: https://numpy.org/doc/stable
-    - 
-      title: Aprende
+    - title: Aprende
       url: /es/learn
-    - 
-      title: Comunidad
+    - title: Comunidad
       url: /es/community
-    - 
-      title: Quiénes somos
+    - title: Quiénes somos
       url: /es/about
-    - 
-      title: Noticias
+    - title: Noticias
       url: /es/news
-    - 
-      title: Contribuye
+    - title: Contribuye
       url: /es/contribute
   footer:
     logo: logo.svg
     socialmediatitle: ""
     socialmedia:
-      - 
-        link: https://github.com/numpy/numpy
+      - link: https://github.com/numpy/numpy
         icon: github
-      - 
-        link: https://www.youtube.com/channel/UCguIL9NZ7ybWK5WQ53qbHng
+      - link: https://www.youtube.com/channel/UCguIL9NZ7ybWK5WQ53qbHng
         icon: youtube
     quicklinks:
       column1:
         title: ""
         links:
-          - 
-            text: Instalar
+          - text: Instalar
             link: /es/install
-          - 
-            text: Documentación
+          - text: Documentación
             link: https://numpy.org/doc/stable
-          - 
-            text: Aprende
+          - text: Aprende
             link: /es/learn
-          - 
-            text: Citando a NumPy
+          - text: Citando a NumPy
             link: /es/citing-numpy
-          - 
-            text: Mapa de ruta
+          - text: Mapa de ruta
             link: https://numpy.org/neps/roadmap.html
       column2:
         links:
-          - 
-            text: Acerca de nosotros
+          - text: Acerca de nosotros
             link: /es/about
-          - 
-            text: Comunidad
+          - text: Comunidad
             link: /es/community
-          - 
-            text: Encuestas a usuarios
+          - text: Encuestas a usuarios
             link: /es/user-surveys
-          - 
-            text: Contribuye
+          - text: Contribuye
             link: /es/contribute
-          - 
-            text: Código de Conducta
+          - text: Código de Conducta
             link: /es/code-of-conduct
       column3:
         links:
-          - 
-            text: Buscar ayuda
+          - text: Buscar ayuda
             link: /es/gethelp
-          - 
-            text: Términos de uso
+          - text: Términos de uso
             link: /es/terms
-          - 
-            text: Confidencialidad
+          - text: Confidencialidad
             link: /es/privacy
-          - 
-            text: Kit de prensa
+          - text: Kit de prensa
             link: /es/press-kit