}}
-例えば、 [`eht-imaging`][ehtim] というPython パッケージは VLBI データで画像の再構築をシミュレートし、実行するためのツールです。NumPyは、以下のソフトウェア依存関係チャートで示されているように、このパッケージで使用される配列データ処理の中核を担っています。
+例えば、 [`eht-imaging`][ehtim] というPython パッケージは VLBI データで画像の再構築をシミュレートし、実行するためのツールです。 NumPyは、以下のソフトウェア依存関係チャートで示されているように、このパッケージで使用される配列データ処理の中核を担っています。
{{< figure src="/images/content_images/cs/ehtim_numpy.png" class="fig-center" alt="ehtim dependency map highlighting numpy" caption="**NumPyの中心としたehtimのソフトウェア依存図**" >}}
@@ -56,7 +56,7 @@ NumPyだけでなく、[SciPy](https://www.scipy.org)や[Pandas](https://pandas.
## まとめ
-NumPyの中心的な機能である、効率的で適用性の高いn次元配列は、研究者が大規模な数値データを操作することを可能にし、世界で初めてのブラックホールの画像化の基礎を築きました。 アインシュタインの理論に素晴らしい視覚的証拠を与えたのは、科学の画期的な瞬間だといえます。 この科学的に偉大な達成には、技術的の飛躍的な進歩だけでなく、200人以上の科学者と世界で 最高の電波観測所の間での国際協力も寄与しました。革新的なアルゴリズムとデータ処理技術は、既存の天文学モデルを改良し、宇宙の謎を解き明かす助けになったといえます。
+NumPyの中心的な機能である、効率的で適用性の高いn次元配列は、研究者が大規模な数値データを操作することを可能にし、世界で初めてのブラックホールの画像化の基礎を築きました。 アインシュタインの理論に素晴らしい視覚的証拠を与えたのは、科学の画期的な瞬間だといえます。 この科学的に偉大な達成には、技術的の飛躍的な進歩だけでなく、200人以上の科学者と世界で 最高の電波観測所の間での国際協力も寄与しました。 革新的なアルゴリズムとデータ処理技術は、既存の天文学モデルを改良し、宇宙の謎を解き明かす助けになったといえます。
{{< figure src="/images/content_images/cs/numpy_bh_benefits.png" class="fig-center" alt="numpy benefits" caption="**利用されたNumPyの主要機能**" >}}
diff --git a/content/ja/case-studies/cricket-analytics.md b/content/ja/case-studies/cricket-analytics.md
index ec68246720..8b57e07065 100644
--- a/content/ja/case-studies/cricket-analytics.md
+++ b/content/ja/case-studies/cricket-analytics.md
@@ -12,13 +12,13 @@ sidebar: false
## クリケットについて
-インド人はクリケットが大好きだと言っても過言ではないでしょう。この競技は、他のスポーツと異なり、インドの農村部や都市部を問わず、あらゆる場所でプレイされており、若者から年配の方まで広く人気があり、インドでは何十億人もの人々を結びつける役割を担っています。クリケットは多くのメディアの注目を集め、非常に[多額のお金](https://www.statista.com/topics/4543/indian-premier-league-ipl/)と名声がかかっています。過去数年間、テクノロジーは文字通りクリケットの試合を変えてきました。視聴者はストリーミングメディア、トーナメント、モバイルベースの手頃なアクセスによるライブクリケット視聴などを享受しています。
+インド人はクリケットが大好きだと言っても過言ではないでしょう。 この競技は、他のスポーツと異なり、インドの農村部や都市部を問わず、あらゆる場所でプレイされており、若者から年配の方まで広く人気があり、インドでは何十億人もの人々を結びつける役割を担っています。 クリケットは多くのメディアの注目を集めています。 クリケットは多くのメディアの注目を集め、非常に[多額のお金](https://www.statista.com/topics/4543/indian-premier-league-ipl/)と名声がかかっています。 過去数年間、テクノロジーは文字通りクリケットの試合を変えてきました。 視聴者はストリーミングメディア、トーナメント、モバイルベースの手頃なアクセスによるライブクリケット視聴などを享受しています。
インドプレミアリーグ (IPL) は、2008年に設立された20チームから成るプロクリケットリーグです。 これは世界で最も参加者が多いクリケットイベントの1つで、2019年の市場規模は[67億ドル](https://en.wikipedia.org/wiki/Indian_Premier_League)だと評価されています。
-クリケットは数のゲームです。バッツマンによってスコアされたランの数、ボウラーによって取られたウィケットの数、クリケットチームによって獲得した試合の数、バッツマンがボウリング攻撃に特定の方法で応答する回数。パフォーマンスを向上させたり、クリケットのビジネスチャンス・市場・経済性などを研究するため、NumPyなどの数値計算ソフトウェアを利用した強力な分析ツールによりクリケットの数字を掘り下げる能力は、大きな意味を持ちます。クリケット分析は、試合に関する興味深い洞察と、ゲームの結果に関する予測AIを提供します。
+クリケットは数のゲームです。 バッツマンによってスコアされたランの数、ボウラーによって取られたウィケットの数、クリケットチームによって獲得した試合の数、バッツマンがボウリング攻撃に特定の方法で応答する回数。 クリケットの数字を掘り下げてパフォーマンスを向上させるとともに、NumPyなどの数値計算ソフトウェアを利用した強力な分析ツールを介して、クリケットのビジネスチャンス、市場全体、経済性を研究することは、大きな意味を持ちます。 クリケット分析は、試合に関する興味深い洞察と、ゲームの結果に関する予測AIを提供します。
-現在では、クリケットゲームの記録と 利用可能な統計データは豊富で、ほぼ無限の宝の山だと言えます。: [ESPN cricinfo や](https://stats.espncricinfo.com/ci/engine/stats/index.html) [cricsheet](https://cricsheet.org). これらのクリケットデータベースは、最新の機械学習と予測モデリングアルゴリズムを使用して、 [クリケット 分析](https://www.researchgate.net/publication/336886516_Data_visualization_and_toss_related_analysis_of_IPL_teams_and_batsmen_performances) に使用されています。 メディアやプロスポーツ団体のエンターテインメントプラットフォームは、技術や分析を利用し、試合勝率を向上させるために、下記のような要素が主要なメトリックだと考え始めています。
+現在では、クリケットゲームの記録と 利用可能な統計データは豊富で、ほぼ無限の宝の山だと言えます。 : [ESPN cricinfo や](https://stats.espncricinfo.com/ci/engine/stats/index.html) [cricsheet](https://cricsheet.org). これらのクリケットデータベースは、最新の機械学習と予測モデリングアルゴリズムを使用して、 [クリケット 分析](https://www.researchgate.net/publication/336886516_Data_visualization_and_toss_related_analysis_of_IPL_teams_and_batsmen_performances) に使用されています。 メディアやプロスポーツ団体のエンターテインメントプラットフォームは、技術や分析を利用し、試合勝率を向上させるために、下記のような要素が主要なメトリックだと考え始めています。
* バッティング成績の移動平均
* スコア予測
@@ -39,26 +39,26 @@ sidebar: false
* **データのクリーニングと前処理**
- IPLは、クリケットを古典的なテストマッチ形式から、はるかに大規模に拡大させました。 毎シーズン、様々なフォーマットで行われる試合の数は増加しており、データ、アルゴリズム、最新のスポーツデータ分析技術、シミュレーションモデルも増加しています。クリケットのデータ分析には、フィールドマッピング、プレイヤートラッキング、ボールトラッキング、プレイヤーショット分析、およびボールがどのように動くのか、その角度、スピン、速度、軌道など、他の沢山の種類のデータを必要とします。 これらの要因により、データクリーニングと前処理の複雑さが増してしまいました。
+ IPLは、クリケットを古典的なテストマッチ形式から、はるかに大規模に拡大させました。 毎シーズン、様々なフォーマットで行われる試合の数は増加しており、データ、アルゴリズム、最新のスポーツデータ分析技術、シミュレーションモデルも増加しています。 クリケットのデータ分析には、フィールドマッピング、プレイヤートラッキング、ボールトラッキング、プレイヤーショット分析、およびボールがどのように動くのか、その角度、スピン、速度、軌道など、他の沢山の種類のデータを必要とします。 これらの要因により、データクリーニングと前処理の複雑さが増してしまいました。
* **動的モデリング**
- クリケットでは、他のスポーツと同様、フィールド上の選手の様々な数字を追跡するために、関連する変数の数が多くなってしまいがちです。たとえば、ボールやその属性情報、およびいくつかの行動をとるアクションのいくつかの可能性などの変数です。データ分析とモデリングの複雑さは、分析中に必要となる予測のための質問の種類に正比例しており、データ表現とモデルにも大きく依存しています。バッツマンが異なる角度や速度でボールを打った場合に何が起こるのかのような、動的なクリケットのプレーの予測が必要な場合、計算量やデータ比較が更に困難になります。
+ クリケットでは、他のスポーツと同様、フィールド上の選手の様々な数字を追跡するために、関連する変数の数が多くなってしまいがちです。 たとえば、ボールやその属性情報、およびいくつかの行動をとるアクションのいくつかの可能性などの変数です。 データ分析とモデリングの複雑さは、分析中に必要となる予測のための質問の種類に正比例しており、データ表現とモデルにも大きく依存しています。 バッツマンが異なる角度や速度でボールを打った場合に何が起こるのかのような、動的なクリケットのプレーの予測が必要な場合、計算量やデータ比較が更に困難になります。
* **予測分析の複雑さ**
- クリケットにおいて、意思決定の多くは「ボウラーがある特定のタイプの場合、打者はどのくらいの頻度で特定の種類のショットを打つのか」「バッツマンが特定の方法であるボウラーに反応した場合、ボウラーはどのようにラインと長さを変更するのか 」などの質問に基づいています。この種の予測分析クエリでは、精度の良いデータセットが利用できることと、データを合成して高精度な生成モデルを作成できることが必要とされます。
+ クリケットにおいて、意思決定の多くは「ボウラーがある特定のタイプの場合、打者はどのくらいの頻度で特定の種類のショットを打つのか」「バッツマンが特定の方法であるボウラーに反応した場合、ボウラーはどのようにラインと長さを変更するのか 」などの質問に基づいています。 この種の予測分析クエリでは、精度の良いデータセットが利用できることと、データを合成して高精度な生成モデルを作成できることが必要とされます。
## クリケット解析におけるNumPyの役割
-スポーツ分析は現在、非常に盛んな分野です。 多くの研究者や企業は、最新の機械学習やAI技術以外にも、NumPyや、Scikit-learn, SciPy, Matplotlib, Jupyterなどの他のPyDataパッケージを[使っています](https://adtmag.com/blogs/dev-watch/2017/07/sports-analytics.aspx)。NumPyは以下のように、クリケット関連の様々なスポーツ分析に使用されています。
+スポーツ分析は現在、非常に盛んな分野です。 多くの研究者や企業は、最新の機械学習やAI技術以外にも、NumPyや、Scikit-learn, SciPy, Matplotlib, Jupyterなどの他のPyDataパッケージを[使っています](https://adtmag.com/blogs/dev-watch/2017/07/sports-analytics.aspx)。 NumPyは以下のように、クリケット関連の様々なスポーツ分析に使用されています。
-* **統計分析:** NumPyの数値計算機能は、様々なプレイヤーやゲーム戦術のコンテキストでの観測データで、試合中のイベントの統計的有意性を推定し、生成モデルや静的モデルと比較して試合結果を推定するのに役立ちます。[因果分析](https://amplitude.com/blog/2017/01/19/causation-correlation) と [ビッグデータアプローチ](https://www.ncbi.nlm.nih.gov/pmc/articles/PMC4996805/)が戦術的分析に使用されています。
+* **統計分析:** NumPyの数値計算機能は、様々なプレイヤーやゲーム戦術のコンテキストでの観測データで、試合中のイベントの統計的有意性を推定し、生成モデルや静的モデルと比較して試合結果を推定するのに役立ちます。 [因果分析](https://amplitude.com/blog/2017/01/19/causation-correlation) と [ビッグデータアプローチ](https://www.ncbi.nlm.nih.gov/pmc/articles/PMC4996805/)が戦術的分析に使用されています。
* **データ可視化:** データのグラフ化・[可視化](https://towardsdatascience.com/advanced-sports-visualization-with-pandas-matplotlib-and-seaborn-9c16df80a81b) は、さまざまなデータセット間の関係について、有益な洞察を与えてくれます。
## まとめ
-スポーツアナリティクスは、プロの試合についてはまさにゲームチェンジャーです。特に戦略的な意思決定については、最近まで主に「直感」や過去の伝統的な考え方に基づいて行われていたため、大きな影響があります。NumPyは、データ分析・機械学習・人工知能のアルゴリズムに関連する高レベル関数を提供する沢山のPythonパッケージ群の、堅固な基盤となっています。これらのパッケージは、ゲームの結果を変えるような意思決定を支援するリアルタイムのインサイトを得るため、クリケットの試合だけでなく関連する推論やビジネスの推進にも広く使用されています。クリケットの試合結果につながる隠れたパラメータや、パターン、属性を見つけることは、ステークホルダーが数字や統計に隠されているゲームの洞察方法を見つけるのにも役に立つのです。
+スポーツアナリティクスは、プロの試合についてはまさにゲームチェンジャーです。 特に戦略的な意思決定については、最近まで主に「直感」や過去の伝統的な考え方に基づいて行われていたため、大きな影響があります。 NumPyは、データ分析・機械学習・人工知能のアルゴリズムに関連する高レベル関数を提供する沢山のPythonパッケージ群の、堅固な基盤となっています。 これらのパッケージは、ゲームの結果を変えるような意思決定を支援するリアルタイムのインサイトを得るため、クリケットの試合だけでなく関連する推論やビジネスの推進にも広く使用されています。 クリケットの試合結果につながる隠れたパラメータや、パターン、属性を見つけることは、ステークホルダーが数字や統計に隠されているゲームの洞察方法を見つけるのにも役に立つのです。
{{< figure src="/images/content_images/cs/numpy_ca_benefits.png" class="fig-center" alt="クリケット分析にNumPyを使用するメリットを示す図" caption="** 利用されている主なNumPy機能 **" >}}
diff --git a/content/ja/case-studies/deeplabcut-dnn.md b/content/ja/case-studies/deeplabcut-dnn.md
index c597261ef4..2174db2e54 100644
--- a/content/ja/case-studies/deeplabcut-dnn.md
+++ b/content/ja/case-studies/deeplabcut-dnn.md
@@ -12,29 +12,29 @@ sidebar: false
## DeepLabCut について
-[DeepLabCut](https://github.com/DeepLabCut/DeepLabCut)は、ごくわずかなトレーニングデータで人間レベルの精度で実験動物の行動を追跡可能にするオープンソースのツールボックスです。世界中の何百もの研究機関の研究者により使用されています。DeepLabCutの技術を使うことで、科学者は動物の種類と時系列のデータをもとに、運動制御と行動に関する科学的な理解を深めることができるようになりました。
+[DeepLabCut](https://github.com/DeepLabCut/DeepLabCut)は、ごくわずかなトレーニングデータで人間レベルの精度で実験動物の行動を追跡可能にするオープンソースのツールボックスです。 DeepLabCutの技術を使うことで、科学者は動物の種類と時系列のデータをもとに、運動制御と行動に関する科学的な理解を深めることができるようになりました。
-神経科学、医学、生体力学などのいくつかの研究分野では、動物の動きを追跡したデータを使用しています。DeepLabCutは、動画に記録された動きを解析することで、人間やその他の動物が何をしているのかを理解することができます。タグ付けや監視などの、手間のかかる作業を自動化し、深層学習ベースのデータ解析を実施します。DeepLabCutは、霊長類、マウス、魚、ハエなどの動物を観察する科学研究をより速く正確にしています。
+神経科学、医学、生体力学などのいくつかの研究分野では、動物の動きを追跡したデータを使用しています。 DeepLabCutは、動画に記録された動きを解析することで、人間やその他の動物が何をしているのかを理解することができます。 タグ付けや監視などの、手間のかかる作業を自動化し、深層学習ベースのデータ解析を実施します。 DeepLabCutは、霊長類、マウス、魚、ハエなどの動物を観察する科学研究をより速く正確にしています。
{{< figure src="/images/content_images/cs/race-horse.gif" class="fig-center" caption="**色のついた点は競走馬の体の位置を追跡**" alt="horserideranim" attr="*(Source: Mackenzie Mathis)*">}}
-DeepLabCutは、動物の姿勢を抽出することで非侵襲的な行動追跡を行います。これは、生体力学、遺伝学、倫理学、神経科学などの分野での研究に必要不可欠です。動的に変化する背景の中で、動物の姿勢をビデオデータから非侵襲的に測定することは、技術的にも、必要な計算リソースやトレーニングデータの点でも、非常に困難な計算処理です。
+DeepLabCutは、動物の姿勢を抽出することで非侵襲的な行動追跡を行います。 これは、生体力学、遺伝学、倫理学、神経科学などの分野での研究に必要不可欠です。 動的に変化する背景の中で、動物の姿勢をビデオデータから非侵襲的に測定することは、技術的にも、必要な計算リソースやトレーニングデータの点でも、非常に困難な計算処理です。
-DeepLabCutは、研究者が対象の姿勢を推定し、Pythonベースのソフトウェアを使って効率的に対象の行動を定量化することを可能にします。DeepLabCutを使用すると、研究者は動画から異なるフレームを識別し、数十個のフレームの特定の身体部位を、よくできたGUIによってラベルづけできます。すると、DeepLabCutの深層学習ベースのポーズ推定アーキテクチャにより、動画の残りの部分や動物の他の類似した動画から同じ特徴を抽出する方法を学習できます。ハエやマウスなどの一般的な実験動物から [チーター][cheetah-movement]のようなより珍しい動物まで、動物の種類を問わず利用できます。
+DeepLabCutは、研究者が対象の姿勢を推定し、Pythonベースのソフトウェアを使って効率的に対象の行動を定量化することを可能にします。 DeepLabCutを使用すると、研究者は動画から異なるフレームを識別し、数十個のフレームの特定の身体部位を、よくできたGUIによってラベルづけできます。 すると、DeepLabCutの深層学習ベースのポーズ推定アーキテクチャにより、動画の残りの部分や動物の他の類似した動画から同じ特徴を抽出する方法を学習できます。 ハエやマウスなどの一般的な実験動物から [チーター][cheetah-movement]のようなより珍しい動物まで、動物の種類を問わず利用できます。
-DeepLabCutでは[転移学習](https://arxiv.org/pdf/1909.11229)という技術を使用しています。これにより必要な学習データの量を大幅に削減し、学習の収束を加速させることができます。必要に応じて、より高速な推論を提供するさまざまなネットワークアーキテクチャ(MobileNetV2など)を選択することができ、リアルタイムの実験データフィードバックと組み合わせることもできます。DeepLabCutはもともと[DeeperCut](https://arxiv.org/abs/1605.03170)と呼ばれるパフォーマンスのよい人用のポーズ推定アーキテクチャの特徴検出器を使用しており、これが名前の由来になりました。今ではこのパッケージは大幅に変更され、追加のアーキテクチャ・データの水増し・一通りのユーザー用フロントエンドを含んでいます。さらに、 大規模な生物学的実験をサポートするため、DeepLabCutはオンライン学習の機能を提供しています。これにより、動画の時間をこえて学習データを増やすことができ、エッジケースをカバーしたり、特定のコンテキスト内でポーズ推定アルゴリズムを堅牢にしたりできます。
+DeepLabCutでは[転移学習](https://arxiv.org/pdf/1909.11229)という技術を使用しています。 これにより必要な学習データの量を大幅に削減し、学習の収束を加速させることができます。 必要に応じて、より高速な推論を提供するさまざまなネットワークアーキテクチャ(MobileNetV2など)を選択することができ、リアルタイムの実験データフィードバックと組み合わせることもできます。 DeepLabCutはもともと[DeeperCut](https://arxiv.org/abs/1605.03170)と呼ばれるパフォーマンスのよい人用のポーズ推定アーキテクチャの特徴検出器を使用しており、これが名前の由来になりました。 今ではこのパッケージは大幅に変更され、追加のアーキテクチャ・データの水増し・一通りのユーザー用フロントエンドを含んでいます。 さらに、 大規模な生物学的実験をサポートするため、DeepLabCutはオンライン学習の機能を提供しています。 これにより、動画の時間をこえて学習データを増やすことができ、エッジケースをカバーしたり、特定のコンテキスト内でポーズ推定アルゴリズムを堅牢にしたりできます。
-最近、[DeepLabCut model zoo](http://www.mousemotorlab.org/dlc-modelzoo)が発表されました。これは、霊長類の顔分析から犬の姿勢まで、様々な種や実験条件に対応した事前訓練済みモデルを提供しています。これにより、例えば、新しいデータのラベルを付けることなくクラウドで予測を実行することができたり、ニューラルネットワークの学習を実行することができます。プログラミング経験は必要ありません。
+最近、[DeepLabCut model zoo](http://www.mousemotorlab.org/dlc-modelzoo)が発表されました。 これは、霊長類の顔分析から犬の姿勢まで、様々な種や実験条件に対応した事前訓練済みモデルを提供しています。 これにより、例えば、新しいデータのラベルを付けることなくクラウドで予測を実行することができたり、ニューラルネットワークの学習を実行することができます。 プログラミング経験は必要ありません。
### 主な目標と結果
* **科学研究のための動物姿勢解析の自動化:**
- DeepLabCutという技術の主な目的は、多様な環境で動物の姿勢を測定し追跡することです。このデータは例えば神経科学の研究において、脳がどのように運動を制御しているかを理解するためのや、動物がどのように社会的に交流しているかを明らかにするために利用することができます。研究者はDeepLabCutで [10倍のパフォーマンス向上](https://www.biorxiv.org/content/10.1101/457242v1) が可能であると発表しています。オフラインでは最大1200フレーム/秒(FPS) で姿勢を推定することができます。
+ DeepLabCutという技術の主な目的は、多様な環境で動物の姿勢を測定し追跡することです。 このデータは例えば神経科学の研究において、脳がどのように運動を制御しているかを理解するためのや、動物がどのように社会的に交流しているかを明らかにするために利用することができます。 研究者はDeepLabCutで [10倍のパフォーマンス向上](https://www.biorxiv.org/content/10.1101/457242v1) が可能であると発表しています。 オフラインでは最大1200フレーム/秒(FPS) で姿勢を推定することができます。
* **姿勢推定のための使いやすいPythonツールキットの作成:**
- DeepLabCutは、動物の姿勢推定技術を研究者が簡単に利用できるツールとして共有したいという考えから開発されています。そこで開発者らはプロジェクト管理機能を備えた、単独で機能し、使いやすいPythonツールボックスとしてこのツールを作成しました。 これにより、姿勢推定を自動化するだけでなく、DeepLabCutツールキットユーザーをデータセット収集段階から共有可能・再利用可能な分析パイプラインを作成する段階まで補助し、プロジェクトをエンドツーエンドで管理することも可能になりました。
+ DeepLabCutは、動物の姿勢推定技術を研究者が簡単に利用できるツールとして共有したいという考えから開発されています。 そこで開発者らはプロジェクト管理機能を備えた、単独で機能し、使いやすいPythonツールボックスとしてこのツールを作成しました。 これにより、姿勢推定を自動化するだけでなく、DeepLabCutツールキットユーザーをデータセット収集段階から共有可能・再利用可能な分析パイプラインを作成する段階まで補助し、プロジェクトをエンドツーエンドで管理することも可能になりました。
この[ツールキット][DLCToolkit] はオープンソースとして利用できます。
@@ -51,21 +51,21 @@ DeepLabCutでは[転移学習](https://arxiv.org/pdf/1909.11229)という技術
* **速度**
- 動物行動動画の高速な処理は、動物の行動を測定し、科学実験をより効率的で正確にするために重要です。動的に変化する背景の中で、マーカーを使用せずに、実験室での実験のために動物の詳細な姿勢を抽出することは、技術的にも、必要なリソース的にも、必要なトレーニングデータの面でも、困難な場合があります。科学者が、より現実的な状況で研究を行うために、コンピュータビジョンなどの専門知識のスキルを必要とせずに使うことができるツールを開発することは、解決すべき重要な問題です。
+ 動物行動動画の高速な処理は、動物の行動を測定し、科学実験をより効率的で正確にするために重要です。 動的に変化する背景の中で、マーカーを使用せずに、実験室での実験のために動物の詳細な姿勢を抽出することは、技術的にも、必要なリソース的にも、必要なトレーニングデータの面でも、困難な場合があります。 科学者が、より現実的な状況で研究を行うために、コンピュータビジョンなどの専門知識のスキルを必要とせずに使うことができるツールを開発することは、解決すべき重要な問題です。
* **組み合わせ問題**
- 組合せ問題とは、複数の四肢の動きを個々の動物行動に統合することを指します。 キーポイントと、その個々の動物行動との関連性を組み合わせ、時間的に結びつけることは、複雑なプロセスであり、非常に膨大な数値解析が必要となります。特に、実験映像の中で複数の動物の動きを追跡する場合は大変です。
+ 組合せ問題とは、複数の四肢の動きを個々の動物行動に統合することを指します。 キーポイントと、その個々の動物行動との関連性を組み合わせ、時間的に結びつけることは、複雑なプロセスであり、非常に膨大な数値解析が必要となります。 特に、実験映像の中で複数の動物の動きを追跡する場合は大変です。
* **データ処理**
- 最後に、配列の操作もかなり難しい問題です。様々な画像や、目標のテンソル、キーポイントに対応する大きな配列のスタックを処理しなければならないからです。
+ 最後に、配列の操作もかなり難しい問題です。 様々な画像や、目標のテンソル、キーポイントに対応する大きな配列のスタックを処理しなければならないからです。
{{< figure src="/images/content_images/cs/pose-estimation.png" class="csfigcaption" caption="**姿勢推定の多様性と難しさ**" alt="challengesfig" align="middle" attr="(Source: Mackenzie Mathis)" attrlink="https://www.biorxiv.org/content/10.1101/476531v1.full.pdf" >}}
## 姿勢推定の課題に対応するためのNumPyの役割
-NumPy は DeepLabCutにおける、行動分析の高速化のための数値計算の核となっています。NumPyだけでなく、DeepLabCutは様々なNumPyをベースとしているPythonライブラリを利用しています。[SciPy](https://www.scipy.org)、[Pandas](https://pandas.pydata.org)、[matplotlib](https://matplotlib.org)、[Tensorpack](https://github.com/tensorpack/tensorpack), [imgaug](https://github.com/aleju/imgaug)、[scikit-learn](https://scikit-learn.org/stable/)、[scikit-image](https://scikit-image.org)、[Tensorflow](https://www.tensorflow.org)などです。
+NumPy は DeepLabCutにおける、行動分析の高速化のための数値計算の核となっています。 NumPyだけでなく、DeepLabCutは様々なNumPyをベースとしているPythonライブラリを利用しています。 [SciPy](https://www.scipy.org)、[Pandas](https://pandas.pydata.org)、[matplotlib](https://matplotlib.org)、[Tensorpack](https://github.com/tensorpack/tensorpack), [imgaug](https://github.com/aleju/imgaug)、[scikit-learn](https://scikit-learn.org/stable/)、[scikit-image](https://scikit-image.org)、[Tensorflow](https://www.tensorflow.org)などです。
以下に挙げるNumPyの特徴が、DeepLabCutの姿勢推定アルゴリズムでの画像処理・組み合わせ処理・高速計算において、重要な役割を果たしました。
@@ -75,13 +75,13 @@ NumPy は DeepLabCutにおける、行動分析の高速化のための数値計
* ランダムサンプリング
* 大きな配列の再構成
-DeepLabCutは、ツールキットが提供するワークフローを通じてNumPyの配列機能を利用しています。 特に、NumPyはヒューマンアノテーションのラベル付けや、アノテーションの書き込み、編集、処理のために、特定のフレームをサンプリングするために使用されています。TensorFlowを使ったニューラルネットワークは、DeepLabCutの技術によって何千回も訓練され、 フレームから真のアノテーション情報を予測します。この目的のため、姿勢推定問題を画像-画像変換問題として変換する目標密度(スコアマップ) を作成します。ニューラルネットワークのロバスト化のため、データの水増しを使用していますが、このためには幾何学・画像的処理を施したスコアマップの計算を行うことが必要になります。また学習を高速化するため、NumPyのベクトル化機能が利用されています。 推論には、目標のスコアマップから最も可能性の高い予測値を抽出し、効率的に「予測値をリンクさせて個々の動物を組み立てる」ことが必要になります。
+DeepLabCutは、ツールキットが提供するワークフローを通じてNumPyの配列機能を利用しています。 特に、NumPyはヒューマンアノテーションのラベル付けや、アノテーションの書き込み、編集、処理のために、特定のフレームをサンプリングするために使用されています。 TensorFlowを使ったニューラルネットワークは、DeepLabCutの技術によって何千回も訓練され、 フレームから真のアノテーション情報を予測します。 この目的のため、姿勢推定問題を画像-画像変換問題として変換する目標密度(スコアマップ) を作成します。 ニューラルネットワークのロバスト化のため、データの水増しを使用していますが、このためには幾何学・画像的処理を施したスコアマップの計算を行うことが必要になります。 また学習を高速化するため、NumPyのベクトル化機能が利用されています。 推論には、目標のスコアマップから最も可能性の高い予測値を抽出し、効率的に「予測値をリンクさせて個々の動物を組み立てる」ことが必要になります。
{{< figure src="/images/content_images/cs/deeplabcut-workflow.png" class="fig-center" caption="**DeepLabCutのワークフロー**" alt="workflow" attr="*(Source: Mackenzie Mathis)*" attrlink="https://www.researchgate.net/figure/DeepLabCut-work-flow-The-diagram-delineates-the-work-flow-as-well-as-the-directory-and_fig1_329185962">}}
## まとめ
-行動を観察し、効率的に表現することは、現代倫理学、神経科学、医学、工学の根幹です。[DeepLabCut](http://orga.cvss.cc/wp-content/uploads/2019/05/NathMathis2019.pdf) により、研究者は対象の姿勢を推定し、行動を効率的に定量化できるようになりました。DeepLabCutというPythonツールボックスを使えば、わずかな学習画像のセットでニューラルネットワークを人間レベルのラベリング精度で学習することができ、実験室での行動分析だけでなく、スポーツ、歩行分析、医学、リハビリテーション研究などへの応用が可能になります。DeepLabCutアルゴリズムに必要な複雑な組み合わせ処理やデータ処理の問題を、NumPyの配列操作機能が解決しています。
+行動を観察し、効率的に表現することは、現代倫理学、神経科学、医学、工学の根幹です。 [DeepLabCut](http://orga.cvss.cc/wp-content/uploads/2019/05/NathMathis2019.pdf) により、研究者は対象の姿勢を推定し、行動を効率的に定量化できるようになりました。 DeepLabCutというPythonツールボックスを使えば、わずかな学習画像のセットでニューラルネットワークを人間レベルのラベリング精度で学習することができ、実験室での行動分析だけでなく、スポーツ、歩行分析、医学、リハビリテーション研究などへの応用が可能になります。 DeepLabCutアルゴリズムに必要な複雑な組み合わせ処理やデータ処理の問題を、NumPyの配列操作機能が解決しています。
{{< figure src="/images/content_images/cs/numpy_dlc_benefits.png" class="fig-center" alt="numpy benefits" caption="**NumPyの主要機能**" >}}
diff --git a/content/ja/case-studies/gw-discov.md b/content/ja/case-studies/gw-discov.md
index 49d88c2845..fe1e634e44 100644
--- a/content/ja/case-studies/gw-discov.md
+++ b/content/ja/case-studies/gw-discov.md
@@ -12,9 +12,9 @@ sidebar: false
## [重力波](https://www.nationalgeographic.com/news/2017/10/what-are-gravitational-waves-ligo-astronomy-science/) と [LIGO](https://www.ligo.caltech.edu) について
-重力波は、空間と時間の基本構造の波紋です。 2つのブラックホールの衝突や合体、2連星や超新星の合体など、大きな変動現象によって生成されます。重力波の観測は、重力を研究する上で重要なだけでなく、遠い宇宙におけるいくつかの不明瞭な現象と、その影響を理解するためにも役立ちます。
+重力波は、空間と時間の基本構造の波紋です。 2つのブラックホールの衝突や合体、2連星や超新星の合体など、大きな変動現象によって生成されます。 重力波の観測は、重力を研究する上で重要なだけでなく、遠い宇宙におけるいくつかの不明瞭な現象と、その影響を理解するためにも役立ちます。
-[レーザー干渉計重力波天文台(LIGO)](https://www. ligo. caltech. edu)は、アインシュタインの一般相対性理論によって予測された重力波の直接検出を通して、重力波天体物理学の分野を切り開くために設計されました。このシステムは、アメリカのワシントン州ハンフォードとルイジアナ州リビングストンにある2つの干渉計が一体となって構成され、重力波を検出します。それぞれのシステムには、レーザー干渉法を用いた数キロ規模の重力波検出器が設置されています。LIGO Scientific Collaboration（LSC）は、米国をはじめとする14カ国の大学から1000人以上の科学者が集まり、90以上の大学・研究機関によって支援されています。また、約250人の学生も参加しています。今回のLIGOの発見は、重力波が地球を通過する際に生じる空間と時間の微小な乱れの測定により、重力波そのものを初めて観測しました。これにより、新しい天体物理学のフロンティアが開かれました。これは、宇宙の歪んだ側面、つまり歪んだ時空から作られた物体とそれに現象を切り拓くものです。
+\[レーザー干渉計重力波天文台(LIGO)\](https://www. ligo. caltech. edu)は、アインシュタインの一般相対性理論によって予測された重力波の直接検出を通して、重力波天体物理学の分野を切り開くために設計されました。 このシステムは、アメリカのワシントン州ハンフォードとルイジアナ州リビングストンにある2つの干渉計が一体となって構成され、重力波を検出します。 それぞれのシステムには、レーザー干渉法を用いた数キロ規模の重力波検出器が設置されています。 LIGO Scientific Collaboration（LSC）は、米国をはじめとする14カ国の大学から1000人以上の科学者が集まり、90以上の大学・研究機関によって支援されています。 また、約250人の学生も参加しています。 今回のLIGOの発見は、重力波が地球を通過する際に生じる空間と時間の微小な乱れの測定により、重力波そのものを初めて観測しました。 これにより、新しい天体物理学のフロンティアが開かれました。 これは、宇宙の歪んだ側面、つまり歪んだ時空から作られた物体とそれに現象を切り拓くものです。
### 主な目的
@@ -29,23 +29,23 @@ sidebar: false
* **計算**
- 重力波は非常に小さい効果を生み、物質と微小な相互作用を持つため、検出が困難です。 LIGOのすべてのデータを処理・分析するには、膨大な計算インフラが必要です。信号の数十億倍のノイズを除去した後も、非常に複雑な相対性理論の方程式と膨大な量のデータがあり、計算上の課題となっています。例えば6つのLIGO専用クラスターに分散されたバイナリ結合解析には[10の7乗オーダーのCPU時間](https:/youtu.be7mcHknWWzNI)が必要です。
+ 合成により放出される重力波は、スーパーコンピュータを用いて数値相対性を手あたり次第に試すような方法では計算できません。 LIGOが収集するデータ量は、重力波の信号が少ないのと同じくらい不可解です。
* **データの氾濫**
- 観測装置の感度と信頼性が高まると、様々な場所でデータの氾濫による困難が待ち受けています。それは、干し草の中から針を探すようなものです。LIGOは毎日テラバイトのデータを生成しているのです！この大量のデータを解釈するには、各検出ごとに多大な労力が必要です。例えば、LIGOによって収集される信号は、数十万個の重力波シグネチャのテンプレートで構成されており、スーパーコンピュータでしか解析できません。
+ 観測装置がより高感度で信頼性を持つようになると、データの大洪水によって、干し草の中から針を探すような問題が、多重に発生することがわかります。 LIGOは毎日テラバイトのデータを生成しているのです！ この大量のデータを解釈するには、各検出ごとに多大な労力が必要です。 例えば、LIGOによって収集される信号は、数十万個の重力波シグネチャのテンプレートで構成されており、スーパーコンピュータでしか解析できません。
* **可視化**
- アインシュタイン方程式を元にスーパーコンピュータでデータを解析できるようになったら、次はデータを人間の脳で理解できるようにしなければなりません。 シミュレーションのモデリングや信号の検出には、わかりやすい可視化技術が必要です。 画像処理やシミュレーションによって、解析結果をより多くの人に理解してもらえる状態になる前の段階において、可視化は、純粋な理論家に対し、数値相対性が、より信頼性の高いものとして映るようにするという役割も果たしています。理論家は、可視化とシミュレーションが結果の把握を容易にするまで、数値相対性を十分に重要視していませんでした。複雑な計算と描画を行い、また最新の実験結果と洞察に基づいてシミュレーションと再描画を行う作業は時間のかかるもので、この分野の研究者にとっての課題です。
+ アインシュタイン方程式を元にスーパーコンピュータでデータを解析できるようになったら、次はデータを人間の脳で理解できるようにしなければなりません。 シミュレーションのモデリングや信号の検出には、わかりやすい可視化技術が必要です。 画像処理やシミュレーションによって、解析結果をより多くの人に理解してもらえる状態になる前の段階において、可視化は、数値相対性を十分に重要視していなかった純粋な科学愛好家の目に、数値相対性が、より信頼性の高いものとして映るようにするという役割も果たしています。 複雑な計算と描画を行い、また最新の実験結果と洞察に基づいてシミュレーションと再描画を行う作業は時間のかかるもので、この分野の研究者にとっての課題です。
{{< figure src="/images/content_images/cs/gw_strain_amplitude.png" class="fig-center" alt="gravitational waves strain amplitude" caption="**GW150914から推定される重力波の歪みの振幅**" attr="(**Graph Credits:** Observation of Gravitational Waves from a Binary Black Hole Merger, ResearchGate Publication)" attrlink="https://www.researchgate.net/publication/293886905_Observation_of_Gravitational_Waves_from_a_Binary_Black_Hole_Merger" >}}
## 重力波の検出におけるNumPyの役割
-合成により放出される重力波は、スーパーコンピュータを用いて数値相対性を手あたり次第に試すような方法では計算できません。LIGOが収集するデータ量は、重力波の信号が少ないのと同じくらい不可解です。
+合成により放出される重力波は、スーパーコンピュータを用いたブルートフォースの数値相対性処理以外の手法では計算できません。 重力波は非常に小さい効果を生み、物質と微小な相互作用を持つため、検出が困難です。 LIGOのすべてのデータを処理・分析するには、膨大な計算インフラが必要です。 信号の数十億倍のノイズを除去した後も、非常に複雑な相対性理論の方程式と膨大な量のデータがあり、計算上の課題となっています。
-Python用の標準的な数値解析パッケージNumPyは、LIGOの重力波検出プロジェクトで実行される様々なタスクに使用されるソフトウェアで利用されています。NumPyは、複雑な数学処理や高速なデータ操作に役立ちました。次にいくつかの例を示します。
+Python用の標準的な数値解析パッケージNumPyは、LIGOの重力波検出プロジェクトで実行される様々なタスクに使用されるソフトウェアで利用されています。 NumPyは、複雑な数学処理や高速なデータ操作に役立ちました。 次にいくつかの例を示します。
* [信号処理](https://www.uv.es/virgogroup/Denoising_ROF.html): グリッジ検出、[ノイズ同定とデータ判定](https://ep2016.europython.eu/media/conference/slides/pyhton-in-gravitational-waves-research-communities.pdf) (NumPy, scikit-learn, scipy, matplotlib, pandas, pyCharm)。
* データ取得: どのデータが解析できるかを決定し、干し草の中の針のような信号が入っているかどうかを突き止める。
@@ -64,6 +64,6 @@ Python用の標準的な数値解析パッケージNumPyは、LIGOの重力波
## まとめ
-重力波の検出により、研究者はこれまでに予期しなかった現象を発見することができました。 一方で、これまで知られてきた深遠な天体物理学の現象に、多くに新たな洞察を提供しました。数値処理とデータの可視化は、科学者が科学的な観測から収集したデータについての洞察を得て、その結果を理解するのに役立つ重要なステップです。 しかし、その計算は複雑であり、実際の観測データと分析を用いたコンピュータシミュレーションを用いて可視化されない限り、人間が理解することはできませんでした。 NumPyは、matplotlib・pandas・scikit-learnなどのPythonパッケージとともに、研究者が複雑な質問に答え、私たちの宇宙に対するの理解において、新しい地平を発見することを[可能にしています](https://www.gw-openscience.org/events/GW150914/)。
+一方で、これまで知られてきた深遠な天体物理学の現象に、多くに新たな洞察を提供しました。 数値処理とデータの可視化は、科学者が科学的な観測から収集したデータについての洞察を得て、その結果を理解するのに役立つ重要なステップです。 しかし、その計算は複雑であり、実際の観測データと分析を用いたコンピュータシミュレーションを用いて可視化されない限り、人間が理解することはできませんでした。 NumPyは、matplotlib・pandas・scikit-learnなどのPythonパッケージとともに、研究者が複雑な質問に答え、私たちの宇宙に対するの理解において、新しい地平を発見することを[可能にしています](https://www.gw-openscience.org/events/GW150914/)。
{{< figure src="/images/content_images/cs/numpy_bh_benefits.png" class="fig-center" alt="numpy benefits" caption="**利用されたNumPyの主要機能**" >}}
diff --git a/content/ja/citing-numpy.md b/content/ja/citing-numpy.md
index 9696c6e4d1..397ca192ab 100644
--- a/content/ja/citing-numpy.md
+++ b/content/ja/citing-numpy.md
@@ -1,5 +1,5 @@
---
-title: NumPy を引用する場合
+title: NumPyを引用する
sidebar: false
---
@@ -12,8 +12,7 @@ _BibTeX形式:_
```
@Article{ harris2020array,
title = {Array programming with {NumPy}},
- author = {Charles R. Harris and K. Jarrod Millman and St{'{e}}fan J.
- van der Walt and Ralf Gommers and Pauli Virtanen and David
+ author = {Charles R. Harris and K. Jarrod Millman and St{'{e}}fan J. van der Walt and Ralf Gommers and Pauli Virtanen and David
Cournapeau and Eric Wieser and Julian Taylor and Sebastian
Berg and Nathaniel J. Smith and Robert Kern and Matti Picus
and Stephan Hoyer and Marten H. van Kerkwijk and Matthew
diff --git a/content/ja/code-of-conduct.md b/content/ja/code-of-conduct.md
index 9ae59b74b2..044123f3d1 100644
--- a/content/ja/code-of-conduct.md
+++ b/content/ja/code-of-conduct.md
@@ -7,9 +7,9 @@ aliases:
### はじめに
-この行動規範は、NumPy プロジェクトによって管理されるすべての場所で適用されます。この場所とは、すべてのパブリックおよびプライベートのメーリングリスト、イシュートラッカー、Wiki、ブログ、Twitter、コミュニティで使用されているその他の通信チャンネルなどを含みます。 NumPy プロジェクトでは対面でのイベントは開催していません。しかし、我々のコミュニティに関連するものであれば、対面のイベントでも同様の行動規範を持つ必要があります。
+この行動規範は、NumPy プロジェクトによって管理されるすべての場所で適用されます。 この場所とは、すべてのパブリックおよびプライベートのメーリングリスト、イシュートラッカー、Wiki、ブログ、Twitter、コミュニティで使用されているその他の通信チャンネルなどを含みます。 NumPy プロジェクトでは対面でのイベントは開催していません。 しかし、我々のコミュニティに関連するものであれば、対面のイベントでも同様の行動規範を持つ必要があります。
-この行動規範は、NumPy コミュニティに正式または非公式に参加するすべての人が順守する必要があります。その他にも、NumPyとの提携・関連するプロジェクト活動においては、特にそれらのプロジェクトを代表する場合、同様の行動規範に従う必要があります。
+この行動規範は、NumPy コミュニティに正式または非公式に参加するすべての人が順守する必要があります。 その他にも、NumPyとの提携・関連するプロジェクト活動においては、特にそれらのプロジェクトを代表する場合、同様の行動規範に従う必要があります。
この行動規範は完全ではありません。 しかし、行動規範は我々が理解すべき、互いの協力の仕方や、共通の場所のあるべき姿、我々のゴールなどをまとめるのに重要な役目を果たします。 フレンドリーで生産的な環境を生み出し、周囲のコミュニティにより良い影響を与えるため、ぜひこの行動規範に従ってください。
@@ -18,14 +18,14 @@ aliases:
私たちは下記の内容に真摯に取り組みます。
1. 開けたコミュニティにしましょう。 私たちは、誰でもコミュニティに参加できるようにします。 私たちは、公にすべきではない内容を議論する場合以外、プロジェクトに関連するメッセージを公の場で告知することを選びます。 これは、NumPyに関するヘルプやプロジェクトサポートにも適用されます。公式なサポートだけでなく、NumPyに関する質問に答える場合もです。 これにより、質問に答えた際の意図しない間違いを、より簡単に検出し、訂正できるようになります。
-2. 共感し、歓迎し、友好的で、そして我慢強くありましょう。 私たちは互いに争いを解決し合い、互いの善意を信じ合います。 私たちは時折り不満を感じるかもしれません。しかしそのような場合も、不満を個人的な攻撃に変えることは許容されません。 人々が不快や脅威を感じるコミュニティは、生産的ではないからです。
-3. 互いに協力し合おう。 私たちの開発成果は他の人々によって利用され、一方で、たちは他の人々の開発成果に依存しているのです。 私たちがプロジェクトために何かを作るとき、私たちはそれがどのように動作するかを他の人に説明する必要があります。しかし、この作業により、より良いものを作り上げることができるのです。 私たちが下す全ての決断は、ユーザと開発コミュニティに影響を与えうるし、その決断がもたらす結果を私たちは真摯に受け止めます。
-4. 好奇心を大事にしよう。 全てを知っている人はいないのです！ 早め早めに質問をすることで、後に生じうる多くの問題を回避できます。そのため私たちは質問を奨励しています。もっとも、その質問に対して、適切なフォーラムを紹介する場合もありますが。 私たちは、出来るだけ質問に良く対応し、手助けできるよう努力します。
-5. 使う言葉に注意しましょう。 私たちは、コミュニティにおけるコミュニケーションに注意と敬意を払います。そして、私たちは自分の言葉に責任を持ちます。 他人に優しくしましょう。 他のコミュニティの参加者を侮辱しないでください。 私たちは、以下のようなハラスメントやその他の排斥行為を許しません。:
+2. 共感し、歓迎し、友好的で、そして我慢強くありましょう。 私たちは互いに争いを解決し合い、互いの善意を信じ合います。 私たちは時折り不満を感じるかもしれません。 しかしそのような場合も、不満を個人的な攻撃に変えることは許容されません。 人々が不快や脅威を感じるコミュニティは、生産的ではないからです。
+3. 互いに協力し合おう。 私たちの開発成果は他の人々によって利用され、一方で、たちは他の人々の開発成果に依存しているのです。 私たちがプロジェクトために何かを作るとき、私たちはそれがどのように動作するかを他の人に説明する必要があります。 しかし、この作業により、より良いものを作り上げることができるのです。 私たちが下す全ての決断は、ユーザと開発コミュニティに影響を与えうるし、その決断がもたらす結果を私たちは真摯に受け止めます。
+4. 好奇心を大事にしよう。 全てを知っている人はいないのです！ 早め早めに質問をすることで、後に生じうる多くの問題を回避できます。 そのため私たちは質問を奨励しています。 私たちは、出来るだけ質問に良く対応し、手助けできるよう努力します。
+5. 使う言葉に注意しましょう。 私たちは、コミュニティにおけるコミュニケーションに注意と敬意を払います。 そして、私たちは自分の言葉に責任を持ちます。 他人に優しくしましょう。 他のコミュニティの参加者を侮辱しないでください。 私たちは、以下のようなハラスメントやその他の排斥行為を許しません。 :
* 他の人に向けられた暴力的な行為や言葉。
* 性差別や人種差別、その他の差別的なジョークや言動。
* 性的または暴力的な内容の投稿。
- * 他のユーザーの個人情報を投稿すること。(または投稿すると脅すこと)。
+ * 他のユーザーの個人情報を投稿すること。 (または投稿すると脅すこと)。
* 公開目的のない電子メールや、ICRチャットのようなログの残らないフォーラムの履歴など、プライベートなコンテンツを送信者の同意なしに共有すること。
* 個人的な侮辱, 特に人種差別や性差別的な用語を使用して侮辱すること。
* 不快な思いをさせる性的な言動。
@@ -37,7 +37,7 @@ aliases:
NumPyプロジェクトは、全ての人々の参加を歓迎しています。 私たちは、誰もがコミュニティの一員であることを楽しめるように尽力します。 全ての人の好みを満足はさせられないかもしれませんが、全員に対し出来るだけ親切な対応ができるよう最善を尽くします。
-あなたの自己認識や、他者のあなたへの認識は関係ありません。私たちはあなたを歓迎します。 完璧なリストは望むべくもありませんが、私たちは行動規範に反しない限り、下記の多様性を尊重すると明言します: 年齢、文化。 民族、遺伝、性同一性あるいは関連する表現、言語、国籍、神経学的な差異、生物学的な差異、 政治的信条、職業、人種、宗教、性的指向、社会経済的地位、文化的な差異、技術的な能力。
+あなたの自己認識や、他者のあなたへの認識は関係ありません。 私たちはあなたを歓迎します。 民族、遺伝、性同一性あるいは関連する表現、言語、国籍、神経学的な差異、生物学的な差異、 政治的信条、職業、人種、宗教、性的指向、社会経済的地位、文化的な差異、技術的な能力。
私たちはすべての種類の言語言語話者の参加を歓迎しますが、NumPy 開発は英語で行われます。
@@ -61,7 +61,7 @@ NumPy行動規範委員会に問題を報告する場合は、こちらにご連
### インシデント報告の解決 & 行動規範の実施
-本節では、_最も重要な点のみをまとめます。_詳細については、[NumPy Code of Conduct - How to follow up on a report](/report-handling-manual) をご覧ください。
+本節では、_最も重要な点のみをまとめます。 _詳細については、[NumPy Code of Conduct - How to follow up on a report](/report-handling-manual) をご覧ください。
私たちはすべての訴えを調査し、対応するようにします。 NumPy行動規範委員会およびNumPy運営委員会(もし関係する場合) は、報告者の身元を保護します。 また(報告者が同意しない限り) 苦情の内容を機密として扱うこととします。
@@ -78,6 +78,6 @@ NumPy行動規範委員会に問題を報告する場合は、こちらにご連
### 文末脚注:
-私たちは下記のドキュメントを作成したグループに感謝します。内容・発想ともに大いに影響されています。
+私たちは下記のドキュメントを作成したグループに感謝します。 内容・発想ともに大いに影響されています。
-- [SciPy行動規範](https://docs.scipy.org/doc/scipy/reference/dev/conduct/code_of_conduct.html)
+- [SciPy行動規範](https://docs.scipy.org/doc/scipy/dev/conduct/code_of_conduct.html)
diff --git a/content/ja/community.md b/content/ja/community.md
index 35a58f4a7f..2629f72358 100644
--- a/content/ja/community.md
+++ b/content/ja/community.md
@@ -17,7 +17,7 @@ NumPy プロジェクトやコミュニティと直接交流する方法は次
このメーリングリストは、NumPy に新しい機能を追加するなど、より長い期間の議論のための主なコミュニケーションの場です。 NumPyのRoadmapに変更を加えたり、プロジェクト全体での意思決定を行います。 このメーリングリストでは、リリース、開発者会議、スプリント、カンファレンストークなど、NumPy についてのアナウンスなどにも利用されます。
-このメーリングリストでは、一番下のメールを使用し、メーリングリストに返信して下さい( 他の送信者ではなく)。 また、自動送信のメールには返信しないでください。 このメーリングリストの検索可能なアーカイブは [こちら](https://mail.python.org/archives/list/numpy-discussion@python.org/) にあります。
+このメーリングリストでは、一番下のメールを使用し、メーリングリストに返信して下さい( 他の送信者ではなく)。 このメーリングリストの検索可能なアーカイブは [こちら](https://mail.python.org/archives/list/numpy-discussion@python.org/) にあります。
***
@@ -33,7 +33,7 @@ _ちなみに、セキュリティの脆弱性を報告するには、GitHubの
### [Slack](https://numpy-team.slack.com)
-SlackはNumPyに_ 貢献するための質問をする_、リアルタイムのチャットルームです。 Slackはプライベートな空間です。具体的には、 公開のメーリングリストやGitHubで質問やアイデアを持ち出すことを躊躇している人々のためのものです。 Slackに招待してもらいたい場合は[こちら](https://numpy.org/devdocs/dev/index.html#contributing-to-numpy)を確認下さい。
+SlackはNumpyに_ 貢献するための質問をするための_、リアルタイムのチャットルームです。 具体的には、 公開のメーリングリストやGitHubで質問やアイデアを持ち出すことを躊躇している人々のためのものです。 Slackに招待してもらいたい場合は[こちら](https://numpy.org/devdocs/dev/index.html#contributing-to-numpy)を確認下さい。
## 勉強会とミートアップ
@@ -52,7 +52,7 @@ NumPy プロジェクトは独自のカンファレンスは開催していま
- [SciPy Latin America](https://www.scipyla.org)
- [SciPy India](https://scipy.in)
- [SciPy Japan](https://conference.scipy.org)
-- [PyData conference](https://pydata.org/event-schedule/) (年に15~20のイベントが様々な国で開催されています。)
+- [PyData conference](https://pydata.org/event-schedule/) (年に15~20のイベントが様々な国で開催されています。 )
これらのカンファレンスの多くは、NumPyの使い方や関連するオープンソースプロジェクトに貢献する方法を学ぶことができるチュートリアルを開催しています。
@@ -63,4 +63,4 @@ NumPyプロジェクトを成功させるには、あなたの専門知識とプ
もし、NumPyに貢献したい場合は、 [コントリビュート](/ja/contribute) ページをご覧いただくことをお勧めします。
-
+また、私たちのコミュニティミーティングにもぜひ参加してみてください。 コミュニティミーティングの活動を確認するには、[こちら](https://scientific-python.org/calendars/)のイベントカレンダーを確認ください。
diff --git a/content/ja/config.yaml b/content/ja/config.yaml
index f031c22750..1007d30234 100644
--- a/content/ja/config.yaml
+++ b/content/ja/config.yaml
@@ -1,139 +1,160 @@
-# FOR TRANSLATORS: this is a YAML file, with lines being of the form:
-#
-# key: value
-#
-# Please translate the `value`s, not the `key`s!
-# Comments (starting with `#`) and `url:` or `link:` lines also do not
-# need to be translated. `title:` and `text:` lines do need translation.
-#
languageName: 日本語 (Japanese)
params:
description: NumPyが広く利用される理由 強力な多次元配列、数値計算ツール群、相互運用性、高いパフォーマンス、オープンソース
navbarlogo:
image: logo.svg
link: /ja/
-
hero:
+ #Main hero title
title: NumPy
+ #Hero subtitle (optional)
subtitle: Pythonによる科学技術計算の基礎パッケージ
- buttontext: 使い始める
- buttonlink: "/ja/install"
+ #Button text
+ buttontext: "最新リリース: Numpy 1.25. すべてのリリースを表示する"
+ #Where the main hero button links to
+ buttonlink: "/ja/news/#releases"
+ #Hero image (from static/images/___)
image: logo.svg
-
- news:
- title: NumPy v1.20.0
- content: 型アノテーションサポート - 複数のプラットフォームにおけるSIMDを利用したパフォーマンス改善
- url: /ja/news
-
shell:
- title: placeholder # do not translate
-
+ title: placeholder
intro:
- - title: Try NumPy
- text: Use the interactive shell to try NumPy in the browser
-
- docslink: Don't forget to check out the docs.
-
+ -
+ title: NumPy を試す
+ text: インタラクティブシェルを使用して、ブラウザ上で Numpy を試してみてください。
+ docslink: ドキュメント を確認することを忘れないでください。
casestudies:
title: ケーススタディ
features:
- - title: 世界初のブラックホール画像
- text: NumPyはどのように、SciPyやMatplotlibなどのNumPyに依存するライブラリとともに、イベントホライズンテレスコープによる世界初のブラックホール画像の作成を可能にしたのでしょうか。
- img: /images/content_images/case_studies/blackhole.png
- alttext: 世界初のブラックホール画像。黒い背景にオレンジ色の円で描かれています。
- url: /ja/case-studies/blackhole-image
- - title: 重力波の検知
- text: 1916年、アルバート・アインシュタインは重力波を予言しました。100年後、LIGOの研究者たちはNumPyを使ってその存在を確認しました。
- img: /images/content_images/case_studies/gravitional.png
- alttext: 2つのオーブがお互いに周回し、周りの重力を変位させています。
- url: /ja/case-studies/gw-discov
- - title: スポーツ分析
- text: クリケット分析は、統計的モデリングと予測分析によって選手やチームのパフォーマンスを向上させることで、クリケットの試合を変えようとしています。多くの分析が、NumPyにより可能になりました。
- img: /images/content_images/case_studies/sports.jpg
- alttext: 緑のフィールド上にあるクリケットボール。
- url: /ja/case-studies/cricket-analytics
- - title: 深層学習による姿勢推定
- text: DeepLabCutはNumPyを利用し、種族・時間スケールによらない運動制御の理解へ向け、動物の行動観察を含む科学技術研究を加速しています。
- img: /images/content_images/case_studies/deeplabcut.png
- alttext: チータの姿勢推定
- url: /ja/case-studies/deeplabcut-dnn
-
+ -
+ title: 世界初のブラックホール画像
+ text: NumPyはどのように、SciPyやMatplotlibなどのNumPyに依存するライブラリとともに、イベントホライズンテレスコープによる世界初のブラックホール画像の作成を可能にしたのでしょうか。
+ img: /images/content_images/case_studies/blackhole.png
+ alttext: 世界初のブラックホール画像。黒い背景にオレンジ色の円で描かれています。
+ url: /ja/case-studies/blackhole-image
+ -
+ title: 重力波の検知
+ text: 1916年、アルバート・アインシュタインは重力波を予言しました。100年後、LIGOの研究者たちはNumPyを使ってその存在を確認しました。
+ img: /images/content_images/case_studies/gravitional.png
+ alttext: 2つのオーブがお互いに周回し、周りの重力を変位させています。
+ url: /ja/case-studies/gw-discov
+ -
+ title: スポーツ分析
+ text: クリケット分析は、統計的モデリングと予測分析によって選手やチームのパフォーマンスを向上させることで、クリケットの試合を変えようとしています。多くの分析が、NumPyにより可能になりました。
+ img: /images/content_images/case_studies/sports.jpg
+ alttext: 緑のフィールド上にあるクリケットボール。
+ url: /ja/case-studies/cricket-analytics
+ -
+ title: 深層学習による姿勢推定
+ text: DeepLabCutはNumPyを利用し、動物の種類や時間スケールによらない運動制御の理解へ向け、動物の行動観察を含む科学技術研究を加速させています。
+ img: /images/content_images/case_studies/deeplabcut.png
+ alttext: チータの姿勢推定
+ url: /ja/case-studies/deeplabcut-dnn
keyfeatures:
features:
- - title: 強力な多次元配列
- text: NumPyの高速で多機能なベクトル化計算、インデックス処理、ブロードキャスティングのコンセプトは、今日の配列計算のデファクト・スタンダードです。
- - title: 数値計算ツール群
- text: NumPyは、様々な数学関数、乱数生成器、線形代数ルーチン、フーリエ変換などを提供しています。
- - title: 相互運用性
- text: NumPyは、幅広いハードウェアとコンピューティング・プラットフォームをサポートしており、分散処理、GPU、疎行列ライブラリにも対応しています。
- - title: 高パフォーマンス
- text: NumPyの中核は最適化されたC言語のコードです。Pythonの柔軟性を、コンパイルされたコードの高速さとともに享受できます。
- - title: 使いやすさ
- text: NumPyの高水準なシンタックスは、どんなバックグラウンドや経験値のプログラマーでも利用でき、生産性を高めることができます。
- - title: オープンソース
- text: 寛容な[BSDライセンス](https://github.com/numpy/numpy/blob/main/LICENSE.txt)で公開されています。NumPyは活発で、互いを尊重し、多様性を認め合う[コミュニティ](/ja/community)によって、 [GitHub](https://github.com/numpy/numpy)上でオープンに開発されています.
-
+ -
+ title: 強力な多次元配列
+ text: NumPyの高速で多機能なベクトル化計算、インデックス処理、ブロードキャストの考え方は、現在の配列計算におけるデファクト・スタンダードです。
+ -
+ title: 数値計算ツール群
+ text: NumPyは、様々な数学関数、乱数生成器、線形代数ルーチン、フーリエ変換などを提供しています。
+ -
+ title: 相互運用性
+ text: NumPyは、幅広いハードウェアとコンピューティング・プラットフォームをサポートしており、分散処理、GPU、疎行列ライブラリにも対応しています。
+ -
+ title: 高パフォーマンス
+ text: NumPyの大部分は最適化されたC言語のコードで構成されています。これによりPythonの柔軟性とコンパイルされたコードの高速性の両方を享受できます。
+ -
+ title: 使いやすさ
+ text: NumPyの高水準なシンタックスは、どんなバックグラウンドや経験を持つのプログラマーでも簡単に利用することができ、生産性を高めることができます。
+ -
+ title: オープンソース
+ text: NumPyは、寛容な[BSDライセンス](https://github.com/numpy/numpy/blob/main/LICENSE.txt)で公開されています。NumPyは活発で、互いを尊重し、多様性を認め合う[コミュニティ](/ja/community)によって、 [GitHub](https://github.com/numpy/numpy)上でオープンに開発されています.
tabs:
- title: エコシステム
+ title: NumPyのエコシステム
section5: false
-
navbar:
- - title: インストール
+ -
+ title: インストール
url: /ja/install
- - title: ドキュメント
+ -
+ title: ドキュメント
url: https://numpy.org/doc/stable
- - title: 学び方
+ -
+ title: 学び方
url: /ja/learn
- - title: コミュニティ
+ -
+ title: コミュニティ
url: /ja/community
- - title: 私達について
+ -
+ title: 私達について
url: /ja/about
- - title: NumPyに貢献する
+ -
+ title: ニュース
+ url: /ja/news
+ -
+ title: NumPyに貢献する
url: /ja/contribute
-
footer:
logo: logo.svg
socialmediatitle: ""
socialmedia:
- - link: https://github.com/numpy/numpy
- icon: github
- - link: https://www.youtube.com/channel/UCguIL9NZ7ybWK5WQ53qbHng
- icon: youtube
- - link: https://twitter.com/numpy_team
- icon: twitter
+ -
+ link: https://github.com/numpy/numpy
+ icon: github
+ -
+ link: https://www.youtube.com/channel/UCguIL9NZ7ybWK5WQ53qbHng
+ icon: YouTube
+ -
+ link: https://twitter.com/numpy_team
+ icon: twitter
quicklinks:
column1:
title: ""
links:
- - text: インストール
+ -
+ text: インストール
link: /ja/install
- - text: ドキュメント
+ -
+ text: ドキュメント
link: https://numpy.org/doc/stable
- - text: 学び方
+ -
+ text: 学び方
link: /ja/learn
- - text: 引用する
+ -
+ text: 引用する
link: /ja/citing-numpy
- - text: ロードマップ
+ -
+ text: ロードマップ
link: https://numpy.org/neps/roadmap.html
column2:
links:
- - text: 私達について
+ -
+ text: 私達について
link: /ja/about
- - text: コミュニティ
+ -
+ text: コミュニティ
link: /ja/community
- - text: User surveys
+ -
+ text: ユーザーの調査
link: /ja/user-surveys
- - text: NumPyに貢献する
+ -
+ text: NumPyに貢献する
link: /ja/contribute
- - text: 行動規範
+ -
+ text: 行動規範
link: /ja/code-of-conduct
column3:
links:
- - text: サポートを得る方法
+ -
+ text: サポートを得る方法
link: /ja/gethelp
- - text: 利用規約
+ -
+ text: 利用規約
link: /ja/terms
- - text: プライバシーポリシー
+ -
+ text: プライバシーポリシー
link: /ja/privacy
- - text: プレス用資料
+ -
+ text: プレス用資料
link: /ja/press-kit
+
diff --git a/content/ja/contribute.md b/content/ja/contribute.md
index 1963693a98..90db608852 100644
--- a/content/ja/contribute.md
+++ b/content/ja/contribute.md
@@ -3,32 +3,20 @@ title: NumPy に貢献する
sidebar: false
---
-NumPyプロジェクトを成功させるには、あなたの専門知識とプロジェクトに関する熱意が必要です。 NumPyに貢献する方法はコーディングだけではありません。
+NumPyプロジェクトを成功させるには、あなたの専門知識とプロジェクトに関する熱意が必要です。 貢献方法はプログラミングに限定されません。 このページには**あなたができる** 様々な種類の貢献方法が示されています。
-- [コードを書く]({{< relref "contribute.md#writing-code" >}})
+もしどこから始めればいいか、あなたのスキルをどう生かせばいいかがわからない場合は、 _是非ご連絡下さい。 _ 連絡の方法としては、 [メーリングリスト](https://mail.python.org/mailman/listinfo/numpy-discussion) 、 [GitHub](http://github.com/numpy/numpy)、 [イシューの作成](https://github.com/numpy/numpy/issues) 、関連するイシューへのコメントがあります。
-以外にも、下記の貢献の方法があります:
+連絡先としては、 追加情報に関しては、 こちらの[YouTube チャンネル](https://www.youtube.com/playlist?list=PLCK6zCrcN3GXBUUzDr9L4__LnXZVtaIzS) もご覧ください。 + ### プルリクエストのレビュー NumPyプロジェクトには現時点で250以上のオープンなプルリクエストがあり、多くの 改善要求と多くのレビュワーからのフィードバックを待っています。 もしあなたがNumPy を使ったことがある場合、 たとえNumPyコードベースに慣れていない場合でも貢献する方法はあります。 例えば、 @@ -44,7 +32,7 @@ NumPy の [ユーザガイド](https://numpy.org/devdocs) は現在、大規模 ### イシューのトリアージ -[NumPyのイシュートラッカー](https://github.com/numpy/numpy/issues) には、 _沢山の_Open状態のイシューがあります。すでに解決されたもの、優先順位付けされるべきもの、 初心者が取り組むのに適したものがあります。あなたができることは、いくつもあります: +[NumPyのイシュートラッカー](https://github.com/numpy/numpy/issues) には、 _沢山の_Open状態のイシューがあります。 すでに解決されたもの、優先順位付けされるべきもの、 初心者が取り組むのに適したものがあります。 あなたができることは、いくつもあります: * 古いバグがまだ残っているか確認する * 重複したイシューを見つけ、お互いに関連づける @@ -56,12 +44,12 @@ NumPy の [ユーザガイド](https://numpy.org/devdocs) は現在、大規模 ### ウェブサイトの開発 -私たちはちょうどウェブサイトを作り直し始めたところですが、それらはまだ完了していません。Web開発が好きなら、この[イシュー](https://github.com/numpy/numpy.org/issues?q=is%3Aissue+is%3Aopen+label%3Adesign) に未完成な要求が列挙されています。ぜひ、あなたのアイデアを共有してください。 +私たちはちょうどウェブサイトを作り直し始めたところですが、それらはまだ完了していません。 Web開発が好きなら、この[イシュー](https://github.com/numpy/numpy.org/issues?q=is%3Aissue+is%3Aopen+label%3Adesign) に未完成な要求が列挙されています。 ぜひ、あなたのアイデアを共有してください。 ### グラフィックデザイン -グラフィックデザイナーの方が可能な貢献は、枚挙にいとまがありません。私たちのドキュメントには可視化が必要で、私たちの拡大しているウェブサイトには良い画像が必要です。貢献する機会は沢山あります。 +グラフィックデザイナーの方が可能な貢献は、枚挙にいとまがありません。 しかし、私たちのドキュメントは説明のために可視化が重要であり、私たちの拡大しているウェブサイトは良い画像を求めていることから、 貢献する機会が沢山あると言えます。 ### ウェブサイトの翻訳 @@ -75,5 +63,4 @@ NumPy の [ユーザガイド](https://numpy.org/devdocs) は現在、大規模 ### 資金調達 -NumPyは何年にも渡ってボランティアだけ活動していましたが、その重要性が高まるにつれ、安定性と成長のためには資金面での支援が必要であることがわかってきました。 こちらの[SciPy'19のプレゼン](https://www.youtube.com/watch?v=dBTJD_FDVjU) では、資金的なサポートを受けたことで、どれだけ違いが出たかを説明しています。 他の非営利団体のように、私たちは助成金や、スポンサーシップ、その他の資金支援を常に探しています。 私たちはすでにいくつかの資金調達のアイデアを持っていますが、他にもより多くを資金調達を受けたいと思っています。 資金調達に関する知識は、我々には不足しているスキルです。是非、あなたのサポートをお待ちしています。 - +NumPyは何年にも渡ってボランティアだけ活動していましたが、その重要性が高まるにつれ、安定性と成長のためには資金面での支援が必要であることがわかってきました。 こちらの[SciPy'19のプレゼン](https://www.youtube.com/watch?v=dBTJD_FDVjU) では、資金的なサポートを受けたことで、どれだけ違いが出たかを説明しています。 他の非営利団体のように、私たちは助成金や、スポンサーシップ、その他の資金支援を常に探しています。 私たちはすでにいくつかの資金調達のアイデアを持っていますが、他にもより多くを資金調達を受けたいと思っています。 資金調達に関する知識は、我々には不足しているスキルです。 是非、あなたのサポートをお待ちしています。 diff --git a/content/ja/gethelp.md b/content/ja/gethelp.md index 8ac9f7b9b4..0a77e294c0 100644 --- a/content/ja/gethelp.md +++ b/content/ja/gethelp.md @@ -3,7 +3,7 @@ title: サポートを得る方法 sidebar: false --- -**ユーザーからの質問:** ユーザーからの質問に対して回答を得る最も良い方法は、[StackOverflow](http://stackoverflow.com/questions/tagged/numpy)に質問を投稿することです。すでに数千ものユーザーからの回答を見ることができます。 規模は小さいですが、下記のような質問をする場所もあります: [IRC](https://webchat.freenode.net/?channels=%23numpy)、 [Gitter](https://gitter.im/numpy/numpy)、 [Reddit](https://www.reddit.com/r/Numpy/)。 私たちはこれらのサイトを定期的に確認して、直接質問に答えるようにしていますが、質問の数は膨大です。 +**ユーザーからの質問:** ユーザーからの質問に対して回答を得る最も良い方法は、[StackOverflow](http://stackoverflow.com/questions/tagged/numpy)に質問を投稿することです。 規模は小さいですが、下記のような質問をする場所もあります: [IRC](https://webchat.freenode.net/?channels=%23numpy)、 [Gitter](https://gitter.im/numpy/numpy)、 [Reddit](https://www.reddit.com/r/Numpy/)。 私たちはこれらのサイトを定期的に確認して、直接質問に答えるようにしていますが、質問の数は膨大です。 **開発関連の問題:** NumPyの開発関連の問題 (例: バグレポート) については、[コミュニティ](/community) のページを参照してください。 @@ -11,7 +11,7 @@ sidebar: false ### [StackOverflow](http://stackoverflow.com/questions/tagged/numpy) -NumPyの使用方法に関する質問をするためのフォーラムです。例えば、「NumPyでXをするにはどうすればいいですか？」というような質問です。 質問をする時は、[ `#numpy` タグ](https://stackoverflow.com/help/tagging) を使用してください。 +NumPyの使用方法に関する質問をするためのフォーラムです。 例えば、「NumPyでXをするにはどうすればいいですか？ 質問をする時は、[ `#numpy` タグ](https://stackoverflow.com/help/tagging) を使用してください。 *** diff --git a/content/ja/history.md b/content/ja/history.md index 75ae93fbed..04a5eb6432 100644 --- a/content/ja/history.md +++ b/content/ja/history.md @@ -3,20 +3,23 @@ title: NumPyの歴史 sidebar: false --- -NumPy は配列データ構造と配列に関連する高速な数値ルーチンを提供する Python 基礎的なライブラリです。 開始当初は資金も少なく、主に大学院生により開発されていました。その多くはコンピュータサイエンスの教育を受けておらず、指導教官のサポートも受けていませんでした。少数の "野良"学生プログラマーのグループが、すでに確立されていた商用研究ソフトウェアのエコシステムをひっくり返すなんて、想像することすら馬鹿げていました。 -商用ソフトは、何百万もの資金と何百人もの優秀なエンジニアに支えられていましたから。それでも、独特の視点を持つ熱狂的でフレンドリーなコミュニティに助けられ、完全にオープンなツールスタックの背後にある哲学的な動機は、長い目では日の目を見てきました。現在では、NumPyは科学者、技術者、および世界中の多くの専門家によって信頼され、使われています。 例えば、重力波の解析に用いられた公開スクリプトはNumPyを利用していますし、「M87ブラックホール画像化プロジェクト」では、直接NumPyを引用しています。 +NumPy は配列データ構造と配列に関連する高速な数値ルーチンを提供する Python 基礎的なライブラリです。 開始当初は資金も少なく、主に大学院生により開発されていました。その多くはコンピュータサイエンスの教育を受けておらず、指導教官のサポートも受けていませんでした。少数の "野良"学生プログラマーのグループが、すでに確立されていた商用研究ソフトウェアのエコシステムをひっくり返すなんて、想像することすら馬鹿げていました。 商用ソフトは、何百万もの資金と何百人もの優秀なエンジニアに支えられていましたから。それでも、独特の視点を持つ熱狂的でフレンドリーなコミュニティに助けられ、完全にオープンなツールスタックの背後にある哲学的な動機は、長い目では日の目を見てきました。現在では、NumPyは科学者、技術者、および世界中の多くの専門家によって信頼され、使われています。 例えば、重力波の解析に用いられた公開スクリプトはNumPyを利用していますし、「M87ブラックホール画像化プロジェクト」では、直接NumPyを引用しています。 このライブラリの開発開始当初は資金も少なく、主に大学院生が開発していましたが、その多くはコンピュータサイエンスの教育を受けておらず、指導教官のサポートも受けていませんでした。 何百万もの資金調達と何百人もの優秀なエンジニアに支えられている当時の商用研究ソフトウェアのエコシステムを、少数の "野良"学生プログラマーのグループがひっくり返すことができると想像することさえ、当時は馬鹿げていると考えられていました。 それでも、独特の視点を持つ熱狂的でフレンドリーなコミュニティに助けられ、完全にオープンなツールスタックの背後にある哲学的な動機は、長い目では日の目を見てきました。 現在では、Numpy は科学者、技術者、および世界中の多くの専門家によって信頼され、使われています。 例えば、重力波の解析に用いられた公開スクリプトはNumPyを利用していますし、「M87ブラックホール画像化プロジェクト」では、直接NumPyを引用しています。 NumPy および関連ライブラリの開発におけるマイルストーンの詳細については、 [arxiv.org](arxiv.org/abs/1907.10121) を参照してください。 NumPyのベースとなったNumericとNumarrayライブラリのコピーを入手したい場合は、以下のリンクを参照してください。 -[ *Numeric*](https://sourceforge.net/projects/numpy/files/Old%20Numeric/) のダウンロード* +[ *Numeric*](https://sourceforge.net/projects/numpy/files/Old%20Numeric/) のダウンロード** -[*Numarray *](https://sourceforge.net/projects/numpy/files/Old%20Numarray/) のダウンロード* +[*Numarray *](https://sourceforge.net/projects/numpy/files/Old%20Numarray/) のダウンロード** -*これらの古いパッケージはもはや保守されていないことに注意してください。配列関連の処理をしたい場合は、NumPyを使用するか、NumPyライブラリを利用するために既存のコードをリファクタリングすることを強くお勧めします。 +*これらの古いパッケージはもはや保守されていないことに注意してください。 配列関連の処理をしたい場合は、NumPyを使用するか、NumPyライブラリを利用するために既存のコードをリファクタリングすることを強くお勧めします。 -### 過去の資料 +
+ 過去の資料 +
-[*Numeric*マニュアルのダウンロード](static/numeric-manual.pdf) + diff --git a/content/ja/install.md b/content/ja/install.md index 8a4e049d09..fad90210ea 100644 --- a/content/ja/install.md +++ b/content/ja/install.md @@ -3,9 +3,9 @@ title: NumPyのインストール sidebar: false --- -NumPy をインストールするために必ず必要なものはPython本体です。もしまだPythonをインストールしていないのであれば、最もシルプルな始め方として、[Anaconda Distribution](https://www.anaconda.com/distribution)を推奨します。AnacondaはPython・NumPyの他に、科学技術計算やデータサイエンスのために一般的に使用される沢山のパッケージが含まれています。 +NumPyをインストールするための唯一必要なものは、Pythonそのものだけです。 もしまだPythonをイントールしておらず、最もシンプルなインストール方法をお探しなら、[Anaconda Distribution](https://www.anaconda.com/distribution)の使用をおすすめします。これにはPython、NumPy、および科学計算やデータサイエンスでよく使われる様々な多くのパッケージが含まれています。 -NumPyは`conda`、`pip` 、macOSやLinuxのパッケージマネージャー、または [ソースコード](https://numpy.org/devdocs/user/building.html)からインストールすることが出来ます。 詳細な手順について、以下の [Python と NumPyの インストールガイド](#python-numpy-install-guide) を参照してください。 +NumPyは`conda`、`pip` 、macOSやLinuxのパッケージマネージャー、または [ソースコード](https://numpy.org/devdocs/user/building.html)からインストールすることが出来ます。 詳細な手順については、以下の [Python と Numpyの インストールガイド](#python-numpy-install-guide) を参照してください。 **CONDA** @@ -28,7 +28,8 @@ conda install numpy ```bash pip install numpy ``` -またpipを使う場合、仮想環境を使うことをおすすめします。[再現可能なインストール](#reproducible-installs)を参照ください。[こちらの記事](https://dev.to/bowmanjd/python-tools-for-managing-virtual-environments-3bko#howto)では仮想環境を使う詳細について説明されています。 +またpipを使う場合、仮想環境を使うことをおすすめします。 [再現可能なインストール](#reproducible-installs)を参照ください。 [こちらの記事](https://dev.to/bowmanjd/python-tools-for-managing-virtual-environments-3bko#howto)では仮想環境を使う詳細について説明されています。 + @@ -45,7 +46,7 @@ Pythonパッケージのインストールと管理は複雑なので、ほと Windows、macOS、Linuxのすべてのユーザー向けには: - [Anaconda](https://www.anaconda.com/distribution/) をインストールします（必要な パッケージと以下に挙げるすべてのツールがインストールされます）。 -- コードを書いたり、実行してみましょう。探索的・対話的コンピューティングには[JupyterLab](https://jupyterlab.readthedocs.io/en/stable/index.html)のノートブックが便利です。スクリプトやパッケージの作成には[Spyder](https://www.spyder-ide.org/)や[Visual Studio Code](https://code.visualstudio.com/)を利用できます。 +- コードを書いたり、実行してみましょう。 探索的・対話的コンピューティングには[JupyterLab](https://jupyterlab.readthedocs.io/en/stable/index.html)のノートブックが便利です。 スクリプトやパッケージの作成には[Spyder](https://www.spyder-ide.org/)や[Visual Studio Code](https://code.visualstudio.com/)を利用できます。 - [Anaconda Navigator](https://docs.anaconda.com/anaconda/navigator/) を使ってパッケージを管理し、JupyterLab、Spyder、Visual Studio Codeを使い始められます。 @@ -70,36 +71,37 @@ Windows、macOS、Linuxのすべてのユーザー向けには: ### Pipとconda -`pip` と `conda` がPythonパッケージをインストールするための2つの主要なツールです。 これら二つのツールの機能は部分的に重複しますが(例えば、両方とも `numpy`をインストールできます)、一緒に動作することもできます。ここでは、pip とcond の主要な違いについて説明します。これは、パッケージをどのように効果的に管理するかを理解したい場合、重要な知識です。 - -最初の違いは、condaは複数言語に対応可能で、Python自体をインストールできることです。pip はシステム上の特定の Python にインストールされ、パッケージはそのPython用にのみインストールします。そのため、condaはPython 以外のライブラリや必要なツール (コンパイラ、CUDA、HDF5など) をインストールできますが、pip はできません。 +`pip` と `conda` がPythonパッケージをインストールするための2つの主要なツールです。 これら二つのツールの機能は部分的に重複しますが(例えば、両方とも `numpy`をインストールできます)、一緒に動作することもできます。 ここでは、pip とcond の主要な違いについて説明します。 これは、パッケージをどのように効果的に管理するかを理解したい場合、重要な知識です。 2つ目の違いは、pipはPython Packaging Index(PyPI) からパッケージをインストールするのに対し、condaは独自のチャンネル(一般的には "defaults "や "conda-forge "など) からインストールすることです。 PyPIは最大のパッケージ管理システムですが、人気のある全てのパッケージがcondaでも利用可能です。 -3つ目の違いは、condaはパッケージ、依存関係、環境を管理するための統合されたソリューションであるのに対し、pipでは環境や複雑な依存関係を扱うために別のツール(たくさん存在しています！) が必要になるかもしれないということです。 +最初の違いは、condaは複数言語に対応可能で、Python自体をインストールできることです。 pip はシステム上の特定の Python にインストールされ、パッケージはそのPython用にのみインストールします。 PyPIは、最大のパッケージ管理システムですが、すべての代表的なパッケージは、condaにも利用可能です。 + +3つ目の違いは、condaはパッケージ、依存関係、環境を管理するための統合されたソリューションであるのに対し、pipでは環境や複雑な依存関係を扱うために別のツール(たくさん存在しています！ ### 再現可能なインストール -ライブラリが更新されると、コードの実行結果が変わったり、コードが完全に -壊れたりする可能性があります。なので重要なことは、使用しているパッケージの組み合わせと各バージョンのセットを再構築できるようにしておくことです。 ベストプラクティスは次の通りです: +ライブラリが更新されると、コードの実行結果が変わったり、コードが完全に 壊れたりする可能性があります。 なので重要なことは、使用しているパッケージの組み合わせと各バージョンのセットを再構築できるようにしておくことです。 ベストプラクティスは次の通りです: 1. プロジェクトごとに異なる仮想環境を使用して下さい。 -2. パッケージインストーラを使用してパッケージ名とバージョンを記録するようにして下さい。それぞれ、独自のメタデータフォーマットがあります: +2. パッケージインストーラを使用してパッケージ名とバージョンを記録するようにして下さい。 それぞれ、独自のメタデータフォーマットがあります: - condaの場合: [conda environmentsとenvironment.yml](https://docs.conda.io/projects/conda/en/latest/user-guide/tasks/manage-environments.html) - pipの場合: [仮想環境](https://docs.python.org/3/tutorial/venv.html) と [requirements.txt](https://pip.readthedocs.io/en/latest/user_guide/#requirements-files) - poetryの場合: [仮想環境とpyproject.toml](https://python-poetry.org/docs/basic-usage/) + + ## NumPyパッケージと高速線形代数ライブラリ -NumPy は他の Python パッケージに依存していませんが、高速な線形代数ライブラリに依存しています。典型的には、[インテル® MKL](https://software.intel.com/en-us/mkl)や[OpenBLAS](https://www.openblas.net/)がこれにあたります。ユーザーは、これらの線形代数ライブラリのインストールを心配する必要はありません (NumPyのインストール方法に、あらかじめ含まれているためです)。 高度なユーザーは、使用されているBLASがパフォーマンスや、動作、ディスク上のサイズに影響を与えるため、より詳細を知りたがるかもしれません。 +NumPy は他の Python パッケージに依存していませんが、高速な線形代数ライブラリに依存しています。 典型的には、[インテル® MKL](https://software.intel.com/en-us/mkl)や[OpenBLAS](https://www.openblas.net/)がこれにあたります。 ユーザーは、これらの線形代数ライブラリのインストールを心配する必要はありません (NumPyのインストール方法に、あらかじめ含まれているためです)。 高度なユーザーは、使用されているBLASがパフォーマンスや、動作、ディスク上のサイズに影響を与えるため、より詳細を知りたがるかもしれません。 -- pipでインストールされるPyPI上の NumPy wheelは、OpenBLASを使ってビルドされます。つまりwheelにはOpenBLASライブラリが含まれています。そのため、ユーザが（例えば）SciPyも同じようにインストールした場合、ディスク上にOpenBLASのコピーをNumPyのものと2つ持つことになります +- pipでインストールされるPyPI上の NumPy wheelは、OpenBLASを使ってビルドされます。 つまりwheelにはOpenBLASライブラリが含まれています。 そのため、ユーザが（例えば）SciPyも同じようにインストールした場合、ディスク上にOpenBLASのコピーをNumPyのものと2つ持つことになります -- condaのデフォルトチャンネルでは、NumPy はインテル® MKLを使ってビルドされます。MKLはNumPyのインストール時に、独立したパッケージとしてユーザー環境にインストールされます。 +- condaのデフォルトチャンネルでは、NumPy はインテル® MKLを使ってビルドされます。 MKLはNumPyのインストール時に、独立したパッケージとしてユーザー環境にインストールされます。 -- conda-forgeのチャンネルでは、NumPyはダミーの「BLAS」パッケージを使ってビルドされています。 ユーザーがconda-forgeからNumPyをインストールすると、BLASパッケージが実際のライブラリと一緒にインストールされます。デフォルトはOpenBLASですが、MKL(default チャンネルの場合)や [BLIS](https://github.com/flame/blis)、またはBLASを利用することもできます。 +- conda-forgeのチャンネルでは、NumPyはダミーの「BLAS」パッケージを使ってビルドされています。 ユーザーがconda-forgeからNumPyをインストールすると、BLASパッケージが実際のライブラリと一緒にインストールされます。 デフォルトはOpenBLASですが、MKL(default チャンネルの場合)や [BLIS](https://github.com/flame/blis)、またはBLASを利用することもできます。 - OpenBLASは約30MBですが、MKLパッケージはOpenBLASよりもはるかに大きく、ディスク上の約700MBです。 @@ -108,14 +110,16 @@ NumPy は他の Python パッケージに依存していませんが、高速な インストールサイズ、パフォーマンスとロバスト性に加えて、考慮すべき2つの点があります: - インテル® MKL はオープンソースではありません。 通常の使用では問題ではありませんが、 ユーザーが NumPy で構築されたアプリケーションを再配布する必要がある場合、これは 問題が発生する可能性があります。 +- MKLとOpenBLASの両方とも、np.dotのような関数呼び出しにマルチスレッドを使用し、スレッド数はビルド時オプションと環境変数の両方で決定されます。 多くの場合、すべての CPU コアが使用されます。 これにユーザーにとっては予想外のことかもしれません。 NumPy 自体は、関数呼び出しを自動的に並列化しないからです。 自動並列化により、一般にはパフォーマンスが向上しますが、逆にパフォーマンスが悪化する場合もあります。 例えば、Daskやscikit-learn、multiprocessingなど別のレベルの並列化を使用している場合です。
-- MKLとOpenBLASの両方とも、 np.dotのような関数呼び出しにマルチスレッドを使用し、スレッド数はビルド時オプションと環境変数の両方で決定されます。 多くの場合、すべての CPU コアが使用されます。 これにユーザーにとっては予想外のことかもしれません。NumPy 自体は、関数呼び出しを自動的に並列化しないからです。 自動並列化により、一般にはパフォーマンスが向上しますが、逆にパフォーマンスが悪化する場合もあります。例えば、Daskやscikit-learn、multiprocessingなど別のレベルの並列化を使用している場合です。
## トラブルシューティング
インストールに失敗した場合に、下記のエラーメッセージが表示される場合は、 トラブルシューティング ImportError を参照してください。
-IMPORTANT: PLEASE READ THIS FOR ADVICE ON HOW TO SOLVE THIS ISSUE!
+```
+IMPORTANT: PLEASE READ THIS FOR ADVICE ON HOW TO SOLVE THIS ISSUE!
Importing the numpy c-extensions failed. This error can happen for different reasons, often due to issues with your setup.
-
+
-新しいロゴは、古いもの比べてモダンで、よりクリーンなデザインになりました。 新しいロゴをデザインしてくれたIsabela Presedo-Floydと、15年以上にわたって使用してきた旧ロゴをデザインしてくれたTravis Vaughtに感謝します。
+新しいロゴは、古いロゴに比べて、モダンでよりクリーンなデザインになりました。 新しいロゴをデザインしてくれたIsabela Presedo-Floydと、15年以上にわたって使用してきた旧ロゴをデザインしてくれたTravis Vaughtに感謝します。
-### NumPy 1.19.0 リリース
+### NumPy 1.20.0 リリース
-_2020年6月20日_ -- NumPy 1.19.0 が利用可能になりました。 これのリリースは Python 2系のサポートがない最初のリリースであり、"クリーンアップ用のリリース" です。 サポートされている一番古いPython のバージョンは Python 3.6 になりました。 今回の重要な新機能は、NumPy 1.17.0で導入された乱数生成用のインフラにCythonからアクセスできるようになったことです。
+_2020年6月20日_ -- NumPy 1.19.0 がリリースされました。 このバージョンは Python 2系のサポートがない最初のリリースであり、"クリーンアップ用のリリース" です。 サポートされている一番古いPython のバージョンは Python 3.6 になりました。 また、今回の重要な新機能はNumPy 1.17.0で導入された乱数生成用のインフラにCythonからアクセスできるようになったことです。
### ドキュメント受諾期間
-_2020年5月11日_ -- NumPyは、 Googleのシーズンオブドキュメントプログラムのメンター団体の1つとして選ばれました。 NumPy のドキュメントを改善するために、テクニカルライターと協力する機会を楽しみにしています! 詳細については、 [公式ドキュメントサイト](https://developers.google.com/season-of-docs/) と [アイデアページ](https://github.com/numpy/numpy/wiki/Google-Season-of-Docs-2020-Project-Ideas) をご覧ください。
+_2020年5月11日_ -- NumPyは、 Googleのシーズンオブドキュメントプログラムのメンター団体の1つとして選ばれました。 NumPy のドキュメントを改善するために、テクニカルライターと協力するこの機会を楽しみにしています! 詳細については、 [シーズンオブドキュメント公式サイト](https://developers.google.com/season-of-docs/) と [アイデアページ](https://github.com/numpy/numpy/wiki/Google-Season-of-Docs-2020-Project-Ideas) をご覧ください。
-### NumPy 1.18.0 リリース
+### Numpy 1.18.0 リリース
-_2019年12月22日_ -- NumPy 1.18.0 が利用可能になりました。 このリリースは、1.17.0の主要な変更の後の、統合的なリリースです。 Python 3.5 をサポートする最後のマイナーリリースになります。 今回のリリースでは、64ビットのBLASおよびLAPACKライブラリとリンクするためのインフラの追加や、`numpy.random`のための新しいC-APIの追加などが行われました。
+_2019年12月22日_ -- NumPy 1.18.0 がリリースされました。 このリリースは、1.17.0での主要な変更の後の、まとめのようなリリースです。 Python 3.5 をサポートする最後のマイナーリリースになります。 今回のリリースでは、64ビットのBLASおよびLAPACKライブラリとリンクするためのインフラの追加や、`numpy.random`のための新しいC-APIの追加などが行われました。
-詳細については、 [リリース ノート](https://github.com/numpy/numpy/releases/tag/v1.18.0) を参照してください。
+詳細については、 [リリースノート](https://github.com/numpy/numpy/releases/tag/v1.18.0) を参照してください。
### NumPyはChan Zuckerberg財団から助成金を受けました。
-_2019年11月15日_ -- NumPyと、NumPyの重要な依存関係の1つであるOpenBLASが、Chan Zuckerberg財団の[Essential Open Source Software for Scienceプログラム](https:/chanzuckerberg.comeoss)を通じて、科学に不可欠なオープンソースツールのソフトウェアのメンテナンス、成長、開発、コミュニティへの参加を支援する195,000ドルの共同助成金を獲得したことを発表しました。
+_2019年11月15日_ -- NumPyと、NumPyの重要な依存ライブラリの1つであるOpenBLASが、Chan Zuckerberg財団の[Essential Open Source Software for Scienceプログラム](https:/chanzuckerberg.comeoss)を通じて、科学に不可欠なオープンソースツールのソフトウェアのメンテナンス、成長、開発、コミュニティへの参加などを支援する195,000ドルの共同助成金を獲得したことを発表しました。
-この助成金は、NumPy ドキュメント、ウェブサイトの再設計の改善に向けた取り組みを促進するために使用されます。 大規模かつ急速に拡大するユーザー基盤をより良くし、プロジェクトの長期的な持続可能性を確保するためのコミュニティ開発を行っていきます。 OpenBLASチームは、技術的に重要な問題、特にスレッド安全性、AVX-512に対処することに焦点を当てます。 また、スレッドローカルストレージ(TLS) の問題や、OpenBLASが依存するReLAPACK(再帰的なLAPACK) のアルゴリズムの改善も行っています。
+この助成金は、Numpy ドキュメントやウェブサイトの再設計などの改善に向けた取り組みを促進するために使用されます。 大規模かつ急速に拡大するユーザーの体験をより良くし、プロジェクトの長期的な持続可能性を確保するためのコミュニティ開発を行っていきます。 OpenBLASチームは、技術的に非常に重要な問題である、スレッド安全性、AVX-512に対処することに注力します。 また、スレッドローカルストレージ(TLS) の問題や、OpenBLASが依存するReLAPACK(再帰的なLAPACK) のアルゴリズムの改善も実施します。
-提案されたイニシアチブと成果物の詳細については、 [フルグラントプロポーザル](https://figshare.com/articles/Proposal_NumPy_OpenBLAS_for_Chan_Zuckerberg_Initiative_EOSS_2019_round_1/10302167) を参照してください。 この取り組みは2019年12月1日から始まり、今後12ヶ月間継続される予定です。
+提案されたイニシアチブとその成果の詳細については、 [フルグラントプロポーザル](https://figshare.com/articles/Proposal_NumPy_OpenBLAS_for_Chan_Zuckerberg_Initiative_EOSS_2019_round_1/10302167) を参照してください。 この取り組みは2019年12月1日から始まり、今後12ヶ月間継続実施される予定です。
+
+
## 過去のリリース
-こちらがより過去のNumPy リリースのリストで、各リリースノートへのリンクが記載されています。 全てのバグフィックスリリース(バージョン番号`x.y.z` の`z`だけが変更されたもの)は新しい機能追加はされず、マイナーリリース (`y` が増えたもの)は、新しい機能追加されています。
+こちらは、より以前のNumPyリリースのリストで、各リリースノートへのリンクが記載されています。 全てのバグフィックスリリース(バージョン番号`x.y.z` の`z`だけが変更されたもの)は新しい機能追加はされず、マイナーリリース (`y` が増えたもの)は、新しい機能追加されています。
-- NumPy 1.18.4 ([リリースノート](https://github.com/numpy/numpy/releases/tag/v1.18.4)) -- _2020年5月3日_.
+- NumPy 1.25.1 ([リリースノート](https://github.com/numpy/numpy/releases/tag/v1.25.1)) -- _2023年7月8日_.
+- NumPy 1.24.4 ([リリースノート](https://github.com/numpy/numpy/releases/tag/v1.24.4)) -- _2023年6月26日_.
+- NumPy 1.25.0 ([リリースノート](https://github.com/numpy/numpy/releases/tag/v1.25.0)) -- _2023年6月17日_.
+- NumPy 1.24.3 ([リリースノート](https://github.com/numpy/numpy/releases/tag/v1.24.3)) -- _2023年4月22日_.
+- NumPy 1.24.2 ([リリースノート](https://github.com/numpy/numpy/releases/tag/v1.24.2)) -- _2023年2月5日_.
+- NumPy 1.24.1 ([リリースノート](https://github.com/numpy/numpy/releases/tag/v1.24.1)) -- _2022年12月26日_.
- NumPy 1.18.4 ([リリースノート](https://github.com/numpy/numpy/releases/tag/v1.18.4)) -- _2020年4月19日_.
-- NumPy 1.18.2 ([リリースノート](https://github.com/numpy/numpy/releases/tag/v1.18.2)) -- _2020年3月17日_.
-- NumPy 1.18.1 ([リリースノート](https://github.com/numpy/numpy/releases/tag/v1.18.1)) -- _2020年1月6日_.
+- NumPy 1.23.5 ([リリースノート](https://github.com/numpy/numpy/releases/tag/v1.23.5)) -- _2022年11月19日_.
+- NumPy 1.23.4 ([リリースノート](https://github.com/numpy/numpy/releases/tag/v1.23.4)) -- _2022年10月12日_.
+- NumPy 1.23.3 ([リリースノート](https://github.com/numpy/numpy/releases/tag/v1.23.3)) -- _2022年9月9日_.
+- NumPy 1.23.2 ([リリースノート](https://github.com/numpy/numpy/releases/tag/v1.23.2)) -- _2022年8月14日_.
+- NumPy 1.23.1 ([リリースノート](https://github.com/numpy/numpy/releases/tag/v1.23.1)) -- _2022年7月8日_.
+- NumPy 1.23.0 ([リリースノート](https://github.com/numpy/numpy/releases/tag/v1.23.0)) -- _2022年6月22日_.
+- NumPy 1.22.4 ([リリースノート](https://github.com/numpy/numpy/releases/tag/v1.22.4)) -- _2022年5月20日_.
+- NumPy 1.21.6 ([リリースノート](https://github.com/numpy/numpy/releases/tag/v1.21.6)) -- _2022年4月12日_.
+- NumPy 1.22.3 ([リリースノート](https://github.com/numpy/numpy/releases/tag/v1.18.2)) -- _2022年3月7日_.
+- NumPy 1.22.2 ([リリースノート](https://github.com/numpy/numpy/releases/tag/v1.22.2)) -- _2022年2月3日_.
+- NumPy 1.22.1 ([リリースノート](https://github.com/numpy/numpy/releases/tag/v1.22.1)) -- _2022年1月14日_.
+- NumPy 1.22.0 ([リリースノート](https://github.com/numpy/numpy/releases/tag/v1.22.0)) -- _2021年12月31日_.
+- NumPy 1.21.5 ([リリースノート](https://github.com/numpy/numpy/releases/tag/v1.21.5)) -- _2021年12月19日_.
+- NumPy 1.21.0 ([リリースノート](https://github.com/numpy/numpy/releases/tag/v1.21.0)) -- _2021年6月22日_.
+- NumPy 1.20.3 ([リリースノート](https://github.com/numpy/numpy/releases/tag/v1.20.3)) -- _2021年5月10日_.
+- NumPy 1.20.0 ([リリースノート](https://github.com/numpy/numpy/releases/tag/v1.20.0)) -- _2021年1月30日_.
+- NumPy 1.19.5 ([リリースノート](https://github.com/numpy/numpy/releases/tag/v1.19.5)) -- _2021年1月5日_.
+- NumPy 1.19.0 ([リリースノート](https://github.com/numpy/numpy/releases/tag/v1.19.0)) -- _2020年6月20日_.
+- NumPy 1.18.4 ([リリースノート](https://github.com/numpy/numpy/releases/tag/v1.18.4)) -- _2020年5月3日_.
- NumPy 1.17.5 ([リリースノート](https://github.com/numpy/numpy/releases/tag/v1.17.5)) -- _2020年1月1日_.
- NumPy 1.18.0 ([リリースノート](https://github.com/numpy/numpy/releases/tag/v1.18.0)) -- _2019年12月22日_.
-- NumPy 1.17.4 ([リリースノート](https://github.com/numpy/numpy/releases/tag/v1.17.4)) -- _2019年10月11日_.
- NumPy 1.17.0 ([リリースノート](https://github.com/numpy/numpy/releases/tag/v1.17.0)) -- _2019年7月26日_.
- NumPy 1.16.0 ([リリースノート](https://github.com/numpy/numpy/releases/tag/v1.16.0)) -- _2019年1月14日_.
- NumPy 1.15.0 ([リリースノート](https://github.com/numpy/numpy/releases/tag/v1.15.0)) -- _2018年7月23日_.
diff --git a/content/ja/press-kit.md b/content/ja/press-kit.md
index a0fb78219d..6d28214989 100644
--- a/content/ja/press-kit.md
+++ b/content/ja/press-kit.md
@@ -5,4 +5,4 @@ sidebar: false
私たちはユーザーの皆さんが次に書く学術論文や、コース教材、プレゼンテーションなどに、NumPyプロジェクトのロゴを簡単に盛り込めるようにしたいと考えています。
-こちらから、様々な解像度のNumPyロゴのファイルをダウンロードできます: [ロゴリンク](https://github.com/numpy/numpy/tree/main/branding/logo)。numpy.orgのリソースを使用することで、[NumPy行動規範](/code-of-conduct) を受け入れたことになることに注意してください。
+こちらから、様々な解像度のNumPyロゴのファイルをダウンロードできます: [ロゴリンク](https://github.com/numpy/numpy/tree/main/branding/logo)。 numpy.orgのリソースを使用することで、[NumPy行動規範](/code-of-conduct) を受け入れたことになることに注意してください。
diff --git a/content/ja/report-handling-manual.md b/content/ja/report-handling-manual.md
index f048688b4b..b200124145 100644
--- a/content/ja/report-handling-manual.md
+++ b/content/ja/report-handling-manual.md
@@ -5,20 +5,20 @@ sidebar: false
NumPyの行動規範委員会はこのマニュアルに従います。 このマニュアルは様々な問題に対応する際に使用され、一貫性と公平性を確保します。
-[行動規範](/ja/code-of-conduct) を施行することは、私たちのコミュニティの現在のため、未来のために重要です。この施行は、軽いものではありません。施行の基準を見直す際、行動規範委員会は以下の考え方とガイドラインに留意するようにします。
+[行動規範](/ja/code-of-conduct) を施行することは、私たちのコミュニティの現在のため、未来のために重要です。 この施行は、軽いものではありません。 施行の基準を見直す際、行動規範委員会は以下の考え方とガイドラインに留意するようにします。
-* 機械的ではなく、人間的に行動します。 委員会は、当事者のプライバシーと報告者の必要なだけの機密性を尊重しながら、状況を理解するように働きかけることができます. ただし、1人以上の個人と直接連絡を取る必要がある場合もあります。委員会の目標は正しい決定を下すのではなく、コミュニティの健康を改善することなのです。
-* 行動を判断するのではなく、個人への共感を強調し、「良い」と「悪い」の二値評価を避けます。 明確な攻撃性とハラスメントが存在した場合、私たちはそれらに対処します。 しかし、解決が困難なシナリオの多くは、通常の意見の相違が、複数の当事者による無益または有害な行動に発展した場合です。完全に文脈を理解し、すべてを再び元に戻す道を見つけることは困難ですが、コミュニティにとって最終的に最も有益な方法です。
-* 私たちは、電子メールが判断に困難な媒体であり、独立して利用できることを理解しています。 個人の情報なしに電子メール上で批判を受けることは、特に苦痛である場合もあります。 そこで、他者の見解に対して、開放的で、敬意を持った雰囲気を保つことが重要になります。 それはまた、私たちの行動が透明でなければならないことを意味します。全てのメンバーが公平かつ同情をもって扱われるようにするため、私たちは全力を尽くします。
-* 差別の境界は時に曖昧で、また無意識に行われている場合もあります。これは、いたって普通のコミュニケーションの中で、不公平感や敵意として現れてきます。こうしたことが起きうることはわかっているので、注意深く見ていきます。不当な扱いを受けたと思われる方は、ぜひご連絡ください。
+* 機械的ではなく、人間的に行動します。 委員会は、当事者のプライバシーと報告者の必要なだけの機密性を尊重しながら、状況を理解するように働きかけることができます. ただし、1人以上の個人と直接連絡を取る必要がある場合もあります。 委員会の目標は正しい決定を下すのではなく、コミュニティの健康を改善することなのです。
+* 行動を判断するのではなく、個人への共感を強調し、「良い」と「悪い」の二値評価を避けます。 明確な攻撃性とハラスメントが存在した場合、私たちはそれらに対処します。 しかし、解決が困難なシナリオの多くは、通常の意見の相違が、複数の当事者による無益または有害な行動に発展した場合です。 完全に文脈を理解し、すべてを再び元に戻す道を見つけることは困難ですが、コミュニティにとって最終的に最も有益な方法です。
+* 私たちは、電子メールが判断に困難な媒体であり、独立して利用できることを理解しています。 個人の情報なしに電子メール上で批判を受けることは、特に苦痛である場合もあります。 そこで、他者の見解に対して、開放的で、敬意を持った雰囲気を保つことが重要になります。 それはまた、私たちの行動が透明でなければならないことを意味します。 全てのメンバーが公平かつ同情をもって扱われるようにするため、私たちは全力を尽くします。
+* 差別の境界は時に曖昧で、また無意識に行われている場合もあります。 これにより、普通の人との関わりの中で、不公平感や敵意として現れてくるのです。 私達は、このようなことが起こることはわかっているので、気をつけて見ていきたいと思います。 不当な扱いを受けたと思われる方は、ぜひご連絡ください。
* 良い議論を実践することで、エンゲージメントの向上に取り組みます。例えば議論がどこで止まっているのかを特定したり、 実践的な情報、指針、資源を提供することで、これらの問題を前向きな方向に変えていきます。
-* 新しいメンバーが何を必要としているかに留意します。特に社会的地位の低いグループからの参加を増やすことを目的に、明確なサポートと配慮を提供していきます。
-* 一人一人の文化的背景や母国語は異なります。ネイティブでない人が起こした悪気のない誤解を確認し、問題を理解してもらい、不快感を与えないために何を変えればよいかを教えてあげてください。 外国語での複雑な議論はとても難しいものであり、国籍や文化を超えて多様性を育てていきたいと考えています。
+* 新しいメンバーが何を必要としているかに留意します。 特に社会的地位の低いグループからの参加を増やすことを目的に、明確なサポートと配慮を提供していきます。
+* 一人一人の文化的背景や母国語は異なります。 ネイティブでない人が起こした悪気のない誤解を確認し、問題を理解してもらい、不快感を与えないために何を変えればよいかを教えてあげてください。 外国語での複雑な議論はとても難しいものであり、国籍や文化を超えて多様性を育てていきたいと考えています。
## 仲介
-自主的な非公式の調停は、私たちの重要な役割です。2つのグループ以上の当事者が不適切な行動をエスカレートした場合(人類の紛争では悲しいことに一般的なものですが)、調停プロセスを促進するのは非常に重要です。ちなみに、これは一例に過ぎません。委員会は、どのようなケースでも調停を検討することができますが、このプロセスはあくまでも自発的なものであり、当事者に参加を迫ることはできないことを念頭に置いて下さい。 委員会が調停を提案する場合は、次のようにすべきです。
+自主的な非公式の調停は、私たちの重要な役割です。 2つのグループ以上の当事者が不適切な行動をエスカレートした場合(人類の紛争では悲しいことに一般的なものですが)、調停プロセスを促進するは非常に重要です。 ちなみに、これは一例に過ぎません。委員会は、どのようなケースでも調停を検討することができますが、このプロセスはあくまでも自発的なものであり、当事者に参加を迫ることはできないことを念頭に置いて下さい。 委員会が調停を提案する場合は、次のようにすべきです。
* 調停者として役立つ候補者を見つけます。
* 報告者の合意を取得します。 報告者は、調停のアイデアを拒否したり、代替の調停者を提案する権利を持ちます。
@@ -36,13 +36,13 @@ NumPyの行動規範委員会はこのマニュアルに従います。 この
## 明確かつ深刻な違反行為の解決
-私たちは、インターネットでの会話が簡単にひどい誹謗中傷になってしまうことを、痛いほど知っています。個人的な脅迫、暴力的、性差別的、人種差別的な言葉など、明らかで深刻な違反に対しては、迅速に対処します。
+私たちは、インターネットでの会話が簡単にひどい誹謗中傷になってしまうことを、痛いほど知っています。 個人的な脅迫、暴力的、性差別的、人種差別的な言葉など、明らかで深刻な違反に対しては、迅速に対処します。
行動規範委員会のメンバーは、明確かつ深刻な違反に気づいた場合、以下のように行動します。
* 直ちにすべてのNumPyのオンラインコミュニティから違反者を排除します。
* 報告が受信され、違反者が排除されたことを報告者に連絡します。
-* どのような場合でも、モデレーターは違反者に連絡するための合理的な努力を行い、違反者の言葉や行動がどのように「明確かつ重大な違反」に該当するのかを具体的に伝えるべきです。モデレーターはまた、違反者の権利についても述べるべきです。違反者は、排除を不当だと思う場合やNumPyコミュニティへの復帰を望む場合、以下に述べる行動規範委員会による審査を求める権利があります。モデレータは、この説明を行動規範委員会に転送する必要があります。
+* どのような場合でも、モデレーターは違反者に連絡するための合理的な努力を行い、違反者の言葉や行動がどのように「明確かつ重大な違反」に該当するのかを具体的に伝えるべきです。 モデレーターは、違反者がこれは不当だと思う場合、あるいはNumPyチャンネルとの再接続を望む場合には、行動規範委員会による以下のような審査を求める権利があることも述べるべきです。 モデレータは、この説明を行動規範委員会に転送する必要があります。
* 行動規範委員会は、このプロセスが適用されたすべてのケースを正式にレビューし署名することで、よくある盛り上がりすぎた論争を諫めるためこのプロセスが使用されたのでないことを確認します。
@@ -50,7 +50,7 @@ NumPyの行動規範委員会はこのマニュアルに従います。 この
報告が委員会に送られると、直ちに報告者に返信して報告を受領したことを確認します。 この返信は72時間以内に送信される必要があり、委員会はそれよりもはるかに迅速に対応するよう努める必要があります。
-レポートに十分な情報が含まれていない場合、委員会は行動する前に、関連するすべてのデータを取得するようにします。委員会は、事件の状況を全て知るために関係する個人に連絡する際に、運営協議会に代わって行動する権限を与えられています。
+レポートに十分な情報が含まれていない場合、委員会は行動する前に、関連するすべてのデータを取得するようにします。 委員会は、事件の状況を全て知るために関係する個人に連絡する際に、運営協議会に代わって行動する権限を与えられています。
その後、委員会は今回の問題を見直し、効果を最大限に発揮する対策を決定します。
@@ -61,9 +61,9 @@ NumPyの行動規範委員会はこのマニュアルに従います。 この
これらの情報は書面で収集され、可能な限りグループの審議が記録され、保持されます (例えば、チャットの記録、Eメールのディスカッション、会議通話の記録、音声会話の概要など)。
-行動の一貫性を確保し、プロジェクトのために記録を残すために、委員会のすべての活動のアーカイブを保持することが重要です。この活動を支援するため、委員会はデフォルトでプライベートメーリングリストを議論に使用します。このメーリングリストには、要求が正当なものなら、委員会の現在および将来のメンバー、および運営委員会のメンバーがアクセスできるにします。委員会がリストにはない連絡方法を使用する必要がある場合(例: 早期/迅速な対応を求める電話など)、そのプロセスの良い記録となるように、これらをリストにまとめて戻すべきです。
+行動の一貫性を確保し、プロジェクトのために記録を残すために、委員会のすべての活動のアーカイブを保持することが重要です。 この活動支援するために、委員会のデフォルトの議論チャネルは、正当化された要求に応じて、委員会の現在および将来のメンバー、および運営委員会のメンバーがアクセスできるプライベートメーリングリストにします。 委員会がリストにはない連絡方法を使用する必要がある場合(例: 早期/迅速な対応を求める電話など)、そのプロセスの良い記録となるように、これらをリストにまとめて戻すべきです。
-行動規範委員会は、2週間以内に決議の合意を目指すべきです。その期間内に決議が確定できない場合。委員会は、レポーターに対して現状の更新と今後のタイムラインを連絡します。
+行動規範委員会は、2週間以内に決議の合意を目指すべきです。 その期間内に決議が確定できない場合。 委員会は、レポーターに対して現状の更新と今後のタイムラインを連絡します。
## 解決方法
@@ -76,18 +76,18 @@ NumPyの行動規範委員会はこのマニュアルに従います。 この
- 違反が起きていないと判断された
- 検討中に問題が明らかに解決された
* 調停の調整。すべての関係者が合意した場合、委員会は上記のように調停プロセスを促進することができます。
-* 公の場における説明。どの行動・言動・言語が不適切で、現在の状況がなぜか引き起こされ、人々を傷つけたのかを説明し、コミュニティに自省を要求します。
+* 公の場における説明。 どの行動・言動・言語が不適切で、現在の状況がなぜか引き起こされ、人々を傷つけたのかを説明し、コミュニティに自省を要求します。
* 委員会から関係者(複数可) への非公開処分の実施。 この場合、委員会は、電子メールを介して、グループにccを入れながら、対象者に問題の指摘を連絡します。
-* 公の場における処分の実施。この場合、委員会の議長は、違反が発生したのと同じ場所で、可能な範囲内で叱責を行います。例えば、メール規約違反の発生したメーリングリストなどです。しかし、人や状況がかわるかもしれないチャットルームなどの場合、他の手段を利用する可能性もあります。文書化のため、この問題のメッセージを他の場所で公開することを対策グループが選択する場合もあります。
-* 報告者がこの考えに同意することを前提とした、公的または私的な謝罪の要求。報告者は自分の裁量で、違反者とのさらなる接触を拒否することもできます。委員会がこの要求を通達します。委員会は、必要に応じてこの要求に「条件」を付けることができます。例えば、メーリングリストの会員資格を維持するために、違反者に謝罪を求めることができます。
-* 「相互に合意した休止」の要求。これは、委員会から個人への、コミュニティへの参加を一時的に控えるような要請です。 対象者が自発的に一時的な休みを取らないことを選択した場合、委員会は「冷却期限」を準備することがあります。
-* これは、一部またはすべてのNumPyオンラインコミュニティ (メーリングリスト、gitter.im など) からの永続的または一時的な出入り禁止。将来的に禁止が見直されるのか、維持されるか決定できるよう、対策グループは出入り禁止の記録を全て保持します。
+* 公の場での指摘。 この場合、委員会の議長は、違反が発生したのと同じ場所で、実用性の範囲内で叱責を行います。 例えば、メールルールの違反の元のメーリングリストなどです。しかし、人や状況がかわるかもしれないチャットルームなどの場合、他の手段を利用する可能性もあります。 文書化のため、この問題のメッセージを他の場所で公開することを対策グループが選択する場合もあります。
+* 報告者がこの考えに同意することを前提とした、公的または私的な謝罪の要求。 報告者は自分の裁量で、違反者とのさらなる接触を拒否することもできます。 委員会がこの要求をお届けします。 委員会は、必要に応じてこの要求に「条件」を付けることができます。例えば、メーリングリストの会員資格を維持するために、違反者に謝罪を求めることができます。
+* 「相互に合意した休止」の要求。 これは、委員会から個人への、コミュニティへの参加を一時的に控えるような要請です。 対象者が自発的に一時的な休みを取らないことを選択した場合、委員会は「冷却期限」を準備することがあります。
+* これは、一部またはすべてのNumPyオンラインコミュニティ (メーリングリスト、gitter.im など) からの永続的または一時的な出入り禁止。 将来的に禁止が見直されるのか、維持されるか決定できるよう、対策グループは出入り禁止の記録を全て保持します。
-決議が合意されると制定される前に、委員会は、元の報告者およびその他の影響を受けた当事者に連絡し、提案された決議を説明します。 委員会は、この決議が受け入れられるかどうかを尋ねます。そして、記録のためのフィードバックに注意を払います。
+決議が合意されると制定される前に、委員会は、元の報告者およびその他の影響を受けた当事者に連絡し、提案された決議を説明します。 委員会は、この決議が受け入れられるかどうかを尋ねます。 そして、記録のためのフィードバックに注意を払います。
最後に 委員会は、NumPy Steering Councilに報告を行います(NumPy Coreチームにも、出入り禁止など進行中の出来事については報告します)。
-委員会はこの問題について公に議論することはありません。すべての公開声明は、行動規範委員会またはNumPy Steering Councilの議長によって行われます。
+委員会はこの問題について公に議論することはありません。 すべての公開声明は、行動規範委員会またはNumPy Steering Councilの議長によって行われます。
## 利益相反
diff --git a/content/ja/tabcontents.yaml b/content/ja/tabcontents.yaml
index 9f4deb6121..4c1b555bdd 100644
--- a/content/ja/tabcontents.yaml
+++ b/content/ja/tabcontents.yaml
@@ -1,189 +1,218 @@
machinelearning:
paras:
- - para1: NumPy forms the basis of powerful machine learning libraries like [scikit-learn](https://scikit-learn.org) and [SciPy](https://www.scipy.org). As machine learning grows, so does the list of libraries built on NumPy. [TensorFlow’s](https://www.tensorflow.org) deep learning capabilities have broad applications — among them speech and image recognition, text-based applications, time-series analysis, and video detection. [PyTorch](https://pytorch.org), another deep learning library, is popular among researchers in computer vision and natural language processing. [MXNet](https://github.com/apache/incubator-mxnet) is another AI package, providing blueprints and templates for deep learning.
- para2: Statistical techniques called [ensemble](https://towardsdatascience.com/ensemble-methods-bagging-boosting-and-stacking-c9214a10a205) methods such as binning, bagging, stacking, and boosting are among the ML algorithms implemented by tools such as [XGBoost](https://github.com/dmlc/xgboost), [LightGBM](https://lightgbm.readthedocs.io/en/latest/), and [CatBoost](https://catboost.ai) — one of the fastest inference engines. [Yellowbrick](https://www.scikit-yb.org/en/latest/) and [Eli5](https://eli5.readthedocs.io/en/latest/) offer machine learning visualizations.
-
+ -
+ para1: NumPyは、[scikit-learn](https://scikit-learn.org)や[SciPy](https://www.scipy.org)のような強力な機械学習ライブラリの基礎を形成しています。機械学習の技術分野が成長するにつれ、NumPyをベースにしたライブラリの数も増えています。[TensorFlow](https://www.tensorflow.org)の深層学習機能は、音声認識や画像認識、テキストベースのアプリケーション、時系列分析、動画検出など、幅広い応用用途があります。[PyTorch](https://pytorch.org)も、コンピュータビジョンや自然言語処理の研究者に人気のある深層学習ライブラリです。[MXNet](https://github.com/apache/incubator-mxnet)もAIパッケージの一つで、深層学習の設計図やテンプレート機能を提供しています。
+ para2: '[ensemble](https://towardsdatascience.com/ensemble-methods-bagging-boosting-and-stacking-c9214a10a205)法と呼ばれる統計的手法であるビンニング、バギング、スタッキングや、[XGBoost](https://github.com/dmlc/xgboost)、[LightGBM](https://lightgbm.readthedocs.io/en/latest/)、[CatBoost](https://catboost.ai)などのツールで実装されているブースティングなどは、機械学習アルゴリズムの一つであり、最速の推論エンジンの一つです。[Yellowbrick](https://www.scikit-yb.org/en/latest/)や[Eli5](https://eli5.readthedocs.io/en/latest/)は機械学習の可視化機能を提供しています。'
arraylibraries:
intro:
- - text: NumPy's API is the starting point when libraries are written to exploit innovative hardware, create specialized array types, or add capabilities beyond what NumPy provides.
-
+ -
+ text: NumPyのAPIは、革新的なハードウェアを利用したり、特殊な配列タイプを作成したり、NumPyが提供する以上の機能を追加するためにライブラリを作成する際の基礎となります。
headers:
- - text: Array Library
- - text: Capabilities & Application areas
-
+ -
+ text: 配列ライブラリ
+ -
+ text: 機能と応用分野
libraries:
- - title: Dask
- text: Distributed arrays and advanced parallelism for analytics, enabling performance at scale.
- img: /images/content_images/arlib/dask.png
- alttext: Dask
- url: https://dask.org/
- - title: CuPy
- text: NumPy-compatible array library for GPU-accelerated computing with Python.
- img: /images/content_images/arlib/cupy.png
- alttext: CuPy
- url: https://cupy.chainer.org
- - title: JAX
- text: "Composable transformations of NumPy programs differentiate: vectorize, just-in-time compilation to GPU/TPU."
- img: /images/content_images/arlib/jax_logo_250px.png
- alttext: JAX
- url: https://github.com/google/jax
- - title: Xarray
- text: Labeled, indexed multi-dimensional arrays for advanced analytics and visualization
- img: /images/content_images/arlib/xarray.png
- alttext: xarray
- url: https://xarray.pydata.org/en/stable/index.html
- - title: Sparse
- text: NumPy-compatible sparse array library that integrates with Dask and SciPy's sparse linear algebra.
- img: /images/content_images/arlib/sparse.png
- alttext: sparse
- url: https://sparse.pydata.org/en/latest/
- - title: PyTorch
- text: Deep learning framework that accelerates the path from research prototyping to production deployment.
- img: /images/content_images/arlib/pytorch-logo-dark.svg
- alttext: PyTorch
- url: https://pytorch.org/
- - title: TensorFlow
- text: An end-to-end platform for machine learning to easily build and deploy ML powered applications.
- img: /images/content_images/arlib/tensorflow-logo.svg
- alttext: TensorFlow
- url: https://www.tensorflow.org
- - title: MXNet
- text: Deep learning framework suited for flexible research prototyping and production.
- img: /images/content_images/arlib/mxnet_logo.png
- alttext: MXNet
- url: https://mxnet.apache.org/
- - title: Arrow
- text: A cross-language development platform for columnar in-memory data and analytics.
- img: /images/content_images/arlib/arrow.png
- alttext: arrow
- url: https://github.com/apache/arrow
- - title: xtensor
- text: Multi-dimensional arrays with broadcasting and lazy computing for numerical analysis.
- img: /images/content_images/arlib/xtensor.png
- alttext: xtensor
- url: https://github.com/xtensor-stack/xtensor-python
- - title: XND
- text: Develop libraries for array computing, recreating NumPy's foundational concepts.
- img: /images/content_images/arlib/xnd.png
- alttext: xnd
- url: https://xnd.io
- - title: uarray
- text: Python backend system that decouples API from implementation; unumpy provides a NumPy API.
- img: /images/content_images/arlib/uarray.png
- alttext: uarray
- url: https://uarray.org/en/latest/
- - title: tensorly
- text: Tensor learning, algebra and backends to seamlessly use NumPy, MXNet, PyTorch, TensorFlow or CuPy.
- img: /images/content_images/arlib/tensorly.png
- alttext: tensorly
- url: http://tensorly.org/stable/home.html
-
+ -
+ title: Dask
+ text: 分析用の分散配列と高度な並列処理により、大規模な処理を可能にします。
+ img: /images/content_images/arlib/dask.png
+ alttext: Dask
+ url: https://dask.org/
+ -
+ title: CuPy
+ text: Python を使用した GPUによる高速計算用のNumPy互換配列ライブラリ
+ img: /images/content_images/arlib/cupy.png
+ alttext: CuPy
+ url: https://cupy.chainer.org
+ -
+ title: JAX
+ text: "NumPyコードの合成可能な変換ライブラリ: 微分、ベクトル化、GPU/TPUへのジャストインタイムコンパイル"
+ img: /images/content_images/arlib/jax_logo_250px.png
+ alttext: JAX
+ url: https://github.com/google/jax
+ -
+ title: Xarray
+ text: 高度な分析と視覚化のためのラベルとインデックス付き多次元配列
+ img: /images/content_images/arlib/xarray.png
+ alttext: xarray
+ url: https://xarray.pydata.org/en/stable/index.html
+ -
+ title: Sparse
+ text: Dask と SciPy の疎行列の線形代数ライブラリを統合した、Numpy 互換の疎行列ライブラリ
+ img: /images/content_images/arlib/sparse.png
+ alttext: sparse
+ url: https://sparse.pydata.org/en/latest/
+ -
+ title: PyTorch
+ text: 研究用のプロトタイピングから本番運用への展開を加速させる、深層学習フレームワーク
+ img: /images/content_images/arlib/pytorch-logo-dark.svg
+ alttext: PyTorch
+ url: https://pytorch.org/
+ -
+ title: TensorFlow
+ text: 機械学習を利用したアプリケーションを簡単に構築・展開するための、エンド・ツー・エンドの機械学習プラットフォーム
+ img: /images/content_images/arlib/tensorflow-logo.svg
+ alttext: TensorFlow
+ url: https://www.tensorflow.org
+ -
+ title: MXNet
+ text: 柔軟や研究用のプロトタイピングから、実際の運用まで利用可能な深層学習フレームワーク
+ img: /images/content_images/arlib/mxnet_logo.png
+ alttext: MXNet
+ url: https://mxnet.apache.org/
+ -
+ title: Arrow
+ text: 列型のインメモリーデータやその分析のための、複数の言語に対応した開発プラットフォーム
+ img: /images/content_images/arlib/arrow.png
+ alttext: arrow
+ url: https://github.com/apache/arrow
+ -
+ title: xtensor
+ text: 数値解析のためのブロードキャスティングと遅延計算を備えた多次元配列
+ img: /images/content_images/arlib/xtensor.png
+ alttext: xtensor
+ url: https://github.com/xtensor-stack/xtensor-python
+ -
+ title: XND
+ text: Numpy のような イディオムを使って JSON のようなデータを操作するライブラリ
+ img: /images/content_images/arlib/xnd.png
+ alttext: xnd
+ url: https://xnd.io
+ -
+ title: uarray
+ text: APIを実装から切り離すPythonバックエンドシステム (unumpyはNumPy APIを提供しています)
+ img: /images/content_images/arlib/uarray.png
+ alttext: uarray
+ url: https://uarray.org/en/latest/
+ -
+ title: tensorly
+ text: Numpy、MXNet、PyTorch、TensorFlowまたはCupyをシームレスに使用するための、テンソル学習、テンソル代数、およびそれらのテンソル計算のためのバックエンド
+ img: /images/content_images/arlib/tensorly.png
+ alttext: tensorly
+ url: http://tensorly.org/stable/home.html
scientificdomains:
intro:
- - text: Nearly every scientist working in Python draws on the power of NumPy.
- - text: "NumPy brings the computational power of languages like C and Fortran to Python, a language much easier to learn and use. With this power comes simplicity: a solution in NumPy is often clear and elegant."
-
+ -
+ text: Pythonを使って働くほとんどの科学者はNumPyの力を利用しています。
+ -
+ text: "Numpy は、 C や Fortran のような言語の計算パフォーマンスを、Pythonにもたらします。 このパワーはNumPyのシンプルさから来ており、NumPyによるソリューションの多くは明確でエレガントになります。"
librariesrow1:
- - title: Quantum Computing
- alttext: A computer chip.
- img: /images/content_images/sc_dom_img/quantum_computing.svg
- - title: Statistical Computing
- alttext: A line graph with the line moving up.
- img: /images/content_images/sc_dom_img/statistical_computing.svg
- - title: Signal Processing
- alttext: A bar chart with positive and negative values.
- img: /images/content_images/sc_dom_img/signal_processing.svg
- - title: Image Processing
- alttext: An photograph of the mountains.
- img: /images/content_images/sc_dom_img/image_processing.svg
- - title: Graphs and Networks
- alttext: A simple graph.
- img: /images/content_images/sc_dom_img/sd6.svg
- - title: Astronomy Processes
- alttext: A telescope.
- img: /images/content_images/sc_dom_img/astronomy_processes.svg
- - title: Cognitive Psychology
- alttext: A human head with gears.
- img: /images/content_images/sc_dom_img/cognitive_psychology.svg
-
+ -
+ title: 量子コンピューティング
+ alttext: コンピューターチップ
+ img: /images/content_images/sc_dom_img/quantum_computing.svg
+ -
+ title: 統計コンピューティング
+ alttext: 線グラフで、グラフが上に移動します。
+ img: /images/content_images/sc_dom_img/statistical_computing.svg
+ -
+ title: 信号処理
+ alttext: 正と負の値を持つ棒グラフ。
+ img: /images/content_images/sc_dom_img/signal_processing.svg
+ -
+ title: 画像処理
+ alttext: 山々の写真
+ img: /images/content_images/sc_dom_img/image_processing.svg
+ -
+ title: グラフとネットワーク
+ alttext: シンプルなグラフ
+ img: /images/content_images/sc_dom_img/sd6.svg
+ -
+ title: 天文学における計算
+ alttext: 望遠鏡
+ img: /images/content_images/sc_dom_img/astronomy_processes.svg
+ -
+ title: 認知心理学
+ alttext: ギアをつけた人間の頭部
+ img: /images/content_images/sc_dom_img/cognitive_psychology.svg
librariesrow2:
- - title: Bioinformatics
- alttext: A strand of DNA.
- img: /images/content_images/sc_dom_img/bioinformatics.svg
- - title: Bayesian Inference
- alttext: A graph with a bell-shaped curve.
- img: /images/content_images/sc_dom_img/bayesian_inference.svg
- - title: Mathematical Analysis
- alttext: Four mathematical symbols.
- img: /images/content_images/sc_dom_img/mathematical_analysis.svg
- - title: Chemistry
- alttext: A test tube.
- img: /images/content_images/sc_dom_img/chemistry.svg
- - title: Geoscience
- alttext: The Earth.
- img: /images/content_images/sc_dom_img/geoscience.svg
- - title: Geographic Processing
- alttext: A map.
- img: /images/content_images/sc_dom_img/GIS.svg
- - title: Architecture & Engineering
- alttext: A microprocessor development board.
- img: /images/content_images/sc_dom_img/robotics.svg
-
+ -
+ title: 生命情報科学
+ alttext: DNAの鎖
+ img: /images/content_images/sc_dom_img/bioinformatics.svg
+ -
+ title: ベイズ推論
+ alttext: 鐘形の曲線のグラフ
+ img: /images/content_images/sc_dom_img/bayesian_inference.svg
+ -
+ title: 数学的分析
+ alttext: ４つの数学記号
+ img: /images/content_images/sc_dom_img/mathematical_analysis.svg
+ -
+ title: 化学
+ alttext: 試験管
+ img: /images/content_images/sc_dom_img/chemistry.svg
+ -
+ title: 地球科学
+ alttext: 地球
+ img: /images/content_images/sc_dom_img/geoscience.svg
+ -
+ title: 地理情報処理
+ alttext: 地図
+ img: /images/content_images/sc_dom_img/GIS.svg
+ -
+ title: アーキテクチャとエンジニアリング
+ alttext: マイクロプロセッサ開発ボード
+ img: /images/content_images/sc_dom_img/robotics.svg
datascience:
-
- intro: "NumPy lies at the core of a rich ecosystem of data science libraries. A typical exploratory data science workflow might look like:"
-
+ intro: "Numpy は豊富なデータサイエンスライブラリのエコシステムの中核にあります。一般的なデータサイエンスのワークフローは次のようになります。"
image1:
- - img: /images/content_images/ds-landscape.png
- alttext: Diagram of Python Libraries. The five catagories are 'Extract, Transform, Load', 'Data Exploration', 'Data Modeling', 'Data Evaluation' and 'Data Presentation'.
-
+ -
+ img: /images/content_images/ds-landscape.png
+ alttext: Python ライブラリの図 。5 つのカテゴリに分類され、「抽出、変換、読み込み」、「データ探索」、「モデリング」、「評価」、「可視化」です。
image2:
- - img: /images/content_images/data-science.png
- alttext: Diagram of three overlapping circle. The circles labeled 'Mathematics', 'Computer Science' and 'Domain Expertise'. In the middle of the diagram, which has the three circles overlapping it, is an area labeled 'Data Science'.
-
+ -
+ img: /images/content_images/data-science.png
+ alttext: 三つの円が重なり合う図。円はそれぞれ「数学」、「コンピューターサイエンス」、「専門知識」でラベル付けされています。図の中心部には、三つの円が重なり合って形成されるエリアがあり、「データサイエンス」とラベル付けされています。
examples:
- - text: "Extract, Transform, Load: [Pandas](https://pandas.pydata.org),[ Intake](https://intake.readthedocs.io),[PyJanitor](https://pyjanitor.readthedocs.io/)"
- - text: "Exploratory analysis: [Jupyter](https://jupyter.org),[Seaborn](https://seaborn.pydata.org),[ Matplotlib](https://matplotlib.org),[ Altair](https://altair-viz.github.io)"
- - text: "Model and evaluate: [scikit-learn](https://scikit-learn.org),[ statsmodels](https://www.statsmodels.org/stable/index.html),[ PyMC3](https://docs.pymc.io),[ spaCy](https://spacy.io)"
- - text: "Report in a dashboard: [Dash](https://plotly.com/dash),[ Panel](https://panel.holoviz.org),[ Voila](https://github.com/voila-dashboards/voila)"
-
+ -
+ text: "抽出, 変換, 読み込み: [Pandas](https://pandas.pydata.org), [Intake](https://intake.readthedocs.io), [PyJanitor](https://pyjanitor.readthedocs.io/)"
+ -
+ text: "探索的解析: [Jupyter](https://jupyter.org), [Seaborn](https://seaborn.pydata.org), [Matplotlib](https://matplotlib.org), [Altair](https://altair-viz.github.io)"
+ -
+ text: "モデリングと評価: [scikit-learn](https://scikit-learn.org), [statsmodels](https://www.statsmodels.org/stable/index.html), [PyMC3](https://docs.pymc.io), [spaCy](https://spacy.io)"
+ -
+ text: "ダッシュボードでのレポート: [Dash](https://plotly.com/dash), [Panel](https://panel.holoviz.org), [Voila](https://github.com/voila-dashboards/voila)"
content:
- - text: For high data volumes, [Dask](https://dask.org) and[Ray](https://ray.io/) are designed to scale. Stabledeployments rely on data versioning ([DVC](https://dvc.org)),experiment tracking ([MLFlow](https://mlflow.org)), andworkflow automation ([Airflow](https://airflow.apache.org) and[Prefect](https://www.prefect.io)).
-
+ -
+ text: 大規模データに対して、[Dask](https://dask.org)と[Ray](https://ray.io/)はスケールすることを目指して設計されています。安定したデプロイメントに関しては、データのバージョニング（[DVC](https://dvc.org)）、実験の追跡（[MLFlow](https://mlflow.org)）、ワークフローの自動化（[Airflow](https://airflow.apache.org)および[Prefect](https://www.prefect.io)が重要ですが様々なNumPyベースのツールが提供されています。
visualization:
images:
- - url: https://www.fusioncharts.com/blog/best-python-data-visualization-libraries
- img: /images/content_images/v_matplotlib.png
- alttext: A streamplot made in matplotlib
- - url: https://github.com/yhat/ggpy
- img: /images/content_images/v_ggpy.png
- alttext: A scatter-plot graph made in ggpy
- - url: https://www.journaldev.com/19692/python-plotly-tutorial
- img: /images/content_images/v_plotly.png
- alttext: A box-plot made in plotly
- - url: https://altair-viz.github.io/gallery/streamgraph.html
- img: /images/content_images/v_altair.png
- alttext: A streamgraph made in altair
- - url: https://seaborn.pydata.org
- img: /images/content_images/v_seaborn.png
- alttext: A pairplot of two types of graph, a plot-graph and a frequency graph made in seaborn"
- - url: https://docs.pyvista.org/examples/index.html
- img: /images/content_images/v_pyvista.png
- alttext: A 3D volume rendering made in PyVista.
- - url: https://napari.org
- img: /images/content_images/v_napari.png
- alttext: A multi-dimensionan image made in napari.
- - url: https://vispy.org/gallery/index.html
- img: /images/content_images/v_vispy.png
- alttext: A Voronoi diagram made in vispy.
-
+ -
+ url: https://www.fusioncharts.com/blog/best-python-data-visualization-libraries
+ img: /images/content_images/v_matplotlib.png
+ alttext: matplotlibで作られたストリームプロット
+ -
+ url: https://github.com/yhat/ggpy
+ img: /images/content_images/v_ggpy.png
+ alttext: ggpyで作られた散布図グラフ
+ -
+ url: https://www.journaldev.com/19692/python-plotly-tutorial
+ img: /images/content_images/v_plotly.png
+ alttext: plotyで作られた箱ひげ図
+ -
+ url: https://alta-viz.github.io/gallery/streamgraph.html
+ img: /images/content_images/v_altair.png
+ alttext: altairで作られたストリームグラフ
+ -
+ url: https://seaborn.pydata.org
+ img: /images/content_images/v_seaborn.png
+ alttext: 2種類のグラフによるペアプロット。seabornで作られたプロットと周波数グラフ"
+ -
+ url: https://docs.pyvista.org/examples/index.html
+ img: /images/content_images/v_pyvista.png
+ alttext: PyVista製の3Dボリュームレンダリング
+ -
+ url: https://napari.org
+ img: /images/content_images/v_napari.png
+ alttext: ナパリで作られた多次元画像
+ -
+ url: https://vispy.org/gallery/index.html
+ img: /images/content_images/v_vispy.png
+ alttext: vispyで作られたボロノイ図
content:
- - text: NumPy is an essential component in the burgeoning
- [Python visualization landscape](https://pyviz.org/overviews/index.html),
- which includes [Matplotlib](https://matplotlib.org),
- [Seaborn](https://seaborn.pydata.org), [Plotly](https://plot.ly),
- [Altair](https://altair-viz.github.io), [Bokeh](https://docs.bokeh.org/en/latest/),
- [Holoviz](https://holoviz.org), [Vispy](http://vispy.org), [Napari](https://github.com/napari/napari),
- and [PyVista](https://github.com/pyvista/pyvista), to name a few.
- - text: NumPy's accelerated processing of large arrays allows researchers to visualize
- datasets far larger than native Python could handle.
\ No newline at end of file
+ -
+ text: NumPyは、[Matplotlib](https://matplotlib.org)、[Seaborn](https://seaborn.pydata.org)、[Plotly](https://plot.ly)、[Altair](https://altair-viz.github.io)、[Bokeh](https://docs.bokeh.org/en/latest/)、[Holoviz](https://holoviz.org)、[Vispy](http://vispy.org)、[Napari](https://github.com/napari/napari)、[PyVista](https://github.com/pyvista/pyvista)などの、急成長している[Python visualization landscape](https://pyviz.org/overviews/index.html)に欠かせないコンポーネントです。
+ -
+ text: NumPy の大規模配列の高速処理により、研究者はネイティブの Python が扱うことができるよりも、はるかに大きなデータセットを可視化することができます。
diff --git a/content/ja/teams.md b/content/ja/teams.md
index 365aedcf19..c91e538a59 100644
--- a/content/ja/teams.md
+++ b/content/ja/teams.md
@@ -1,11 +1,9 @@
---
-title: NumPy Teams
+title: NumPy開発チーム
sidebar: false
---
-We are an international team on a mission to support scientific and research
-communities worldwide by building quality, open-source software.
-[Join us]({{< relref "/contribute" >}})!
+私たちは、高品質のオープンソースソフトウェアを構築することで、世界中の科学・研究コミュニティをサポートすることを使命とする国際的なチームです。 是非[参加してください]({{< relref "/contribute" >}})!
{{< include-html "static/gallery/maintainers.html" >}}
@@ -19,6 +17,6 @@ communities worldwide by building quality, open-source software.
{{< include-html "static/gallery/emeritus-maintainers.html" >}}
-# Governance
+# ガバナンス
For the list of people on the Steering Council, please see [here](https://numpy.org/devdocs/dev/governance/people.html).
diff --git a/content/ja/user-survey-2020.md b/content/ja/user-survey-2020.md
new file mode 100644
index 0000000000..370138d6e7
--- /dev/null
+++ b/content/ja/user-survey-2020.md
@@ -0,0 +1,16 @@
+---
+title: 2020年 NumPyコミュニティ調査
+sidebar: false
+---
+
+2020年に、NumPyの調査チームは、ミシガン大学とメリーランド大学が共同で開催した、調査方法学の修士コースの学生と教員と共同で、初めて公式のNumPyコミュニティ調査を実施しました。 75カ国から1,200人以上のNumPyユーザーが参加してくれました。NumPyコミュニティの全体像を描き、プロジェクトの未来像についての意見を述べてもらいました。
+
+{{< figure src="/surveys/NumPy_usersurvey_2020_report_cover.png" class="fig-left" alt="Cover page of the 2020 Numpy User survey report, titled 'Numpyコミュニティ調査2020 - 結果'" width="250">}}
+
+調査結果を詳細を知りたい場合は、**[こちらのレポート](/surveys/NumPy_usersurvey_2020_report.pdf)** をダウンロードしてください。
+
+
+結果の概要については、 **[こちらの図](https://github.com/numpy/numpy-surveys/blob/master/images/2020NumPysurveyresults_community_infographic.pdf)** をチェックしてください。
+
+より詳細が知りたくなりましたか？ **https://numpy.org/user-survey-2020-details/** をご覧ください。
+
diff --git a/content/ja/user-surveys.md b/content/ja/user-surveys.md
new file mode 100644
index 0000000000..7be9979c3a
--- /dev/null
+++ b/content/ja/user-surveys.md
@@ -0,0 +1,10 @@
+---
+title: NumPyユーザアンケート
+sidebar: false
+---
+
+**2020** NumPY調査チームは、ミシガン大学とメリーランド大学の学生や教員と協力して、最初の公式NumPyコミュニティ調査を実施しました。 アンケートの結果は[こちら](https://numpy.org/user-survey-2020/)をご覧ください。
+
+**2021** 収集された調査データは現在解析中です。
+
+過去または今後のNumPyユーザ調査に関する質問や提案がある場合は、[こちら](https://github.com/numpy/numpy-surveys/issues)にイシューを作成してください。