+src="/images/content_images/array_c_landscape.png"
+alt="arraycl"
+title="Array Computing Landscape">
-**配列演算** は **配列** のデータ構造に基づいています。 *配列* は、関連する膨大なデータ群を簡単にかつ高速に、ソート、検索、変換、数学処理できるように構成されています。
+**配列演算** は **配列** のデータ構造に基づいています。 _配列_ は、関連する膨大なデータ群を簡単にかつ高速に、ソート、検索、変換、数学処理できるように構成されています。
-配列演算は *一度に* 配列のデータの複数の要素を操作するため、 * ユニーク* な処理と言えます。 これは、配列操作が一回の処理で、配列内の 全ての値に適用されることを意味しています。 このベクトル化手法は、速さと単純さという恩恵をもたらします。 プログラマーはループを回して個々の要素のスカラー演算を行うことなく、データの集合を操作しコーディングすることができるのです。
+配列演算は_一度に_配列のデータの複数の要素を操作するため、とても _ユニーク_ な処理と言えます。 これは、配列操作が一回の処理で、配列内の 全ての値に適用されることを意味しています。 このベクトル化手法は、速さと単純さという恩恵をもたらします。 プログラマーはループを回して個々の要素のスカラー演算を行うことなく、データの集合を操作しコーディングすることができるのです。
diff --git a/content/ja/case-studies/blackhole-image.md b/content/ja/case-studies/blackhole-image.md
index 896d46dd37..c28545f0f1 100644
--- a/content/ja/case-studies/blackhole-image.md
+++ b/content/ja/case-studies/blackhole-image.md
@@ -1,56 +1,57 @@
---
-title: "ケーススタディ：世界初のブラックホール画像"
+title: ケーススタディ：世界初のブラックホール画像
sidebar: false
---
{{< figure >}}
-src = '/images/content_images/cs/blackhole.jpg'
-title = 'Black Hole M87'
-alt = 'black hole image'
-attribution = '(Image Credits: Event Horizon Telescope Collaboration)'
-attributionlink = 'https://www.jpl.nasa.gov/images/universe/90410/blackhole20190410.jpg'
{{< /figure >}}
{{< blockquote
- cite="https://www.youtube.com/watch?v=BIvezCVcsYs"
- by="*カリフォルニア工科大学 計算・数理学部*のKatie Bouman助教授"
+ cite="https://www.youtube.com/watch?v=BIvezCVcsYs"
+ by="{{< blockquote cite="https://www.youtube.com/watch?v=BIvezCVcsYs" by="_カリフォルニア工科大学 計算・数理学部_のKatie Bouman助教授""
>}}
-M87ブラックホールを画像化することは、見ることのできないものを、あえて見ようとするようなものです。
{{< /blockquote >}}
## 地球大の望遠鏡
-[Event Horizon telescope(EHT)](https:/eventhorizontelescope.org)は、地球サイズの解析望遠鏡を形成する8台の地上型電波望遠鏡から成るシステムで、これまでに前例のない感度と解像度で宇宙を研究することができます。 超長基線干渉法(VLBI) と呼ばれる手法を用いた巨大な仮想望遠鏡の角度分解能は、[20マイクロ秒][resolution]で、ニューヨークにある新聞をパリの歩道のカフェから読むのに十分な解像度です!
+[Event Horizon telescope(EHT)](https:/eventhorizontelescope.org)は、地球サイズの解析望遠鏡を形成する8台の地上型電波望遠鏡から成るシステムで、これまでに前例のない感度と解像度で宇宙を研究することができます。 超長基線干渉法(VLBI) と呼ばれる手法を用いた巨大な仮想望遠鏡の角度分解能は、[20マイクロ秒][resolution]で、ニューヨークにある新聞をパリの歩道のカフェから読むのに十分な解像度です! The huge virtual telescope, which uses a technique
+called very-long-baseline interferometry (VLBI), has an angular resolution of
+[20 micro-arcseconds][resolution] — enough to read a newspaper in New York
+from a sidewalk café in Paris!
+
+[resolution]: https://eventhorizontelescope.org/press-release-april-10-2019-astronomers-capture-first-image-black-hole
### 主な目標と結果
-* **宇宙の新しい見方:** EHTの画期的な考え方の基礎が築かれたのは、100年前に [Sir Arthur Eddington][eddington]がアインシュタインの一般相対性理論に沿った最初の観測を実施したことが始まりでした。
+- **宇宙の新しい見方:** EHTの画期的な考え方の基礎が築かれたのは、100年前に [Sir Arthur Eddington][eddington]がアインシュタインの一般相対性理論に沿った最初の観測を実施したことが始まりでした。
-* **ブラックホール:** EHTは、おとめ座銀河団のメシエ87銀河 (M87) の中心にある、地球から約5500万光年の距離にある超巨大ブラックホールを観測しました。 その質量は、太陽の65億倍です。 [100年以上](https://www.jpl.nasa.gov/news/news.php?feature=7385)に渡る研究が行われてもなお、これまでに視覚的にブラックホールを観測できたことはありませんでした。
+- **ブラックホール:** EHTは、おとめ座銀河団のメシエ87銀河 (M87) の中心にある、地球から約5500万光年の距離にある超巨大ブラックホールを観測しました。 その質量は、太陽の65億倍です。 [100年以上](https://www.jpl.nasa.gov/news/news.php?feature=7385)に渡る研究が行われてもなお、これまでに視覚的にブラックホールを観測できたことはありませんでした。 Its mass is
+ 6.5 billion times the Sun's. It had been studied for
+ [over 100 years](https://www.jpl.nasa.gov/news/news.php?feature=7385), but never before
+ had a black hole been visually observed.
-* **観測と理論の比較:** 科学者たちの間で、アインシュタインの一般相対性理論から、重力による光の曲げや光の捕獲による影のような領域が観測できるのではないかと期待されていました。 これはブラックホールの巨大な質量を測定するために利用することができます。
+- **Comparing Observations to Theory:** From Einstein’s general theory of
+ relativity, scientists expected to find a shadow-like region caused by
+ gravitational bending and capture of light. **観測と理論の比較:** 科学者たちの間で、アインシュタインの一般相対性理論から、重力による光の曲げや光の捕獲による影のような領域が観測できるのではないかと期待されていました。 これはブラックホールの巨大な質量を測定するために利用することができます。
+
+[eddington]: https://en.wikipedia.org/wiki/Eddington_experiment
### 課題
-* **大規模な計算**
+- **大規模な計算**
- EHTは膨大なデータ処理の課題を抱えていました。 大気の位相変動は急速で、記録帯域の幅は大きく、望遠鏡はそれぞれ異なっていて地理的にも分散しています。
+ EHTは膨大なデータ処理の課題を抱えていました。 大気の位相変動は急速で、記録帯域の幅は大きく、望遠鏡はそれぞれ異なっていて地理的にも分散しています。
-* **大量のデータ**
+- **大量のデータ**
- EHTは一日で350テラバイトを超える観測データを生成し、ヘリウムで満たされたハードドライブに保存しています。 この大量のデータとデータの複雑さを軽減することは非常に難しいことです。
+ EHTは一日で350テラバイトを超える観測データを生成し、ヘリウムで満たされたハードドライブに保存しています。 この大量のデータとデータの複雑さを軽減することは非常に難しいことです。 Reducing the volume and complexity of this much
+ data is enormously difficult.
-* **よくわからないものを観測する**
+- **よくわからないものを観測する**
- 今までに見たことのないものを見るのが研究の目標なら、どうやって科学者はその画像が正しいと確信することができるのでしょうか?
+ 今までに見たことのないものを見るのが研究の目標なら、どうやって科学者はその画像が正しいと確信することができるのでしょうか?
{{< figure >}}
-src = '/images/content_images/cs/dataprocessbh.png'
-title = 'EHTのデータ処理パイプライン'
-alt = 'data pipeline'
-align = 'center'
-attribution = '(Diagram Credits: The Astrophysical Journal, Event Horizon Telescope Collaboration)'
-attributionlink = 'https://iopscience.iop.org/article/10.3847/2041-8213/ab0c57'
{{< /figure >}}
## NumPyが果たした役割
@@ -62,36 +63,27 @@ EHTの共同研究では、最先端の画像再構成技術を使用して、
彼らの研究は、共同のデータ解析を通じて科学を進歩させる、科学的なPythonエコシステムが果たす役割を如実に表しています。
{{< figure >}}
-src = '/images/content_images/cs/bh_numpy_role.png'
-alt = 'role of numpy'
-title = 'ブラックホール画像化でNumPyが果たした役割'
{{< /figure >}}
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。
+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'
-alt = 'ehtim dependency map highlighting numpy'
-title = 'NumPyの中心としたehtimのソフトウェア依存図'
{{< /figure >}}
-NumPyだけでなく、[SciPy](https://scipy.org)や[Pandas](https://pandas.pydata.org)などのパッケージもブラックホール画像化におけるデータ処理パイプラインに利用されています。 天文学の標準的なファイル形式や時間/座標変換 は[Astropy][astropy]で実装され、ブラックホールの最終画像の生成を含め、解析パイプライン全体でのデータ可視化には [Matplotlib][mpl]が利用されました。
+[ehtim]: https://github.com/achael/eht-imaging
+
+Besides NumPy, many other packages, such as
+[SciPy](https://scipy.org) and [Pandas](https://pandas.pydata.org), are part of the
+data processing pipeline for imaging the black hole.
+NumPyだけでなく、[SciPy](https://www.scipy.org)や[Pandas](https://pandas.io)などのパッケージもブラックホール画像化におけるデータ処理パイプラインに利用されています。 天文学の標準的なファイル形式や時間/座標変換 は[Astropy][astropy]で実装され、ブラックホールの最終画像の生成を含め、解析パイプライン全体でのデータ可視化には [Matplotlib][mpl]が利用されました。
+
+[astropy]: https://www.astropy.org/
+[mpl]: https://matplotlib.org/
## 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。
{{< figure >}}
-src = '/images/content_images/cs/numpy_bh_benefits.png'
-alt = 'numpy benefits'
-title = '利用されたNumPyの主要機能'
{{< /figure >}}
-
-[resolution]: https://eventhorizontelescope.org/press-release-april-10-2019-astronomers-capture-first-image-black-hole
-
-[eddington]: https://en.wikipedia.org/wiki/Eddington_experiment
-
-[ehtim]: https://github.com/achael/eht-imaging
-
-[astropy]: https://www.astropy.org/
-[mpl]: https://matplotlib.org/
diff --git a/content/ja/case-studies/cricket-analytics.md b/content/ja/case-studies/cricket-analytics.md
index 6a94285aae..1b94655d85 100644
--- a/content/ja/case-studies/cricket-analytics.md
+++ b/content/ja/case-studies/cricket-analytics.md
@@ -4,86 +4,96 @@ sidebar: false
---
{{< figure >}}
-src = '/images/content_images/cs/ipl-stadium.png'
-title = ' IPLT20、インド最大のクリケットフェスティバル'
-alt = 'Indian Premier League Cricket cup and stadium'
-attribution = '(Image credits: IPLT20 (cup and logo) & Akash Yadav (stadium))'
-attributionlink = 'https://unsplash.com/@aksh1802'
{{< /figure >}}
{{< blockquote
- cite="https://www.scoopwhoop.com/sports/ms-dhoni/"
- by="M S Dhoni、 *インディアンチームの元キャプテン、インターナショナル・クリケットプレイヤー、チェンナイ・スーパー・キングスのためにIPLでプレイ*"
+ cite="{{< blockquote cite="https://www.scoopwhoop.com/sports/ms-dhoni/" by="M S Dhoni、 _インディアンチームの元キャプテン、インターナショナル・クリケットプレイヤー、チェンナイ・スーパー・キングスのためにIPLでプレイ_""
+ by="\*\* IPLT20、インド最大のクリケットフェスティバル\*\*"
>}}
-観客のために競技をするのではなく、国のために競技するのです。
{{< /blockquote >}}
## 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。 There is a significant amount of
+[money](https://www.statista.com/topics/4543/indian-premier-league-ipl/) and
+fame at stake. 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。
+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。 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。 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). These and several such cricket databases
+have been used for cricket
+analysis
+using the latest machine learning and predictive modelling algorithms.
+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
-* プレイヤーの体力や、異なる相手に対するパフォーマンスについての洞察
-* チーム構成に戦略的な決定を下すための、各勝敗へのプレイヤーの貢献
+- バッティング成績の移動平均
+- スコア予測
+- プレイヤーの体力や、異なる相手に対するパフォーマンスについての洞察
+- チーム構成に戦略的な決定を下すための、各勝敗へのプレイヤーの貢献
{{< figure >}}
-src = '/images/content_images/cs/cricket-pitch.png'
-title = ' フィールドのフォーカルポイントとなるクリケットピッチ'
-alt = 'A cricket pitch with bowler and batsmen'
-align = 'center'
-attribution = '(Image credit: Debarghya Das)'
-attributionlink = 'http://debarghyadas.com/files/IPLpaper.pdf'
{{< /figure >}}
### データ分析の主要な目標
-* スポーツデータ分析はクリケットだけでなく、チーム全体のパフォーマンスを向上させ、勝利率を最大限に高めるために、 [他のスポーツ](https://adtmag.com/blogs/dev-watch/2017/07/sports-analytics.aspx)でも使用されています。
-* リアルタイムデータ分析は、ゲーム中の洞察を得ることができ、チームや関連ビジネスが経済的利益と成長のために戦術を変更するためも役立ちます。
-* 履歴分析に加えて、予測モデルは可能性のある結果を求めることができますが、かなりの数のナンバークランチングとデータサイエンスのノウハウ、可視化ツール、および分析に新しい観測データを含める機能などが必要になります。
+- スポーツデータ分析はクリケットだけでなく、チーム全体のパフォーマンスを向上させ、勝利率を最大限に高めるために、 [他のスポーツ](https://adtmag.com/blogs/dev-watch/2017/07/sports-analytics.aspx)でも使用されています。
+- リアルタイムデータ分析は、ゲーム中の洞察を得ることができ、チームや関連ビジネスが経済的利益と成長のために戦術を変更するためも役立ちます。
+- 履歴分析に加えて、予測モデルは可能性のある結果を求めることができますが、かなりの数のナンバークランチングとデータサイエンスのノウハウ、可視化ツール、および分析に新しい観測データを含める機能などが必要になります。
{{< figure >}}
-src = '/images/content_images/cs/player-pose-estimator.png'
-alt = 'pose estimator'
-title = 'クリケットの姿勢推定'
-attribution = '(Image credit: connect.vin)'
-attributionlink = 'https://connect.vin/2019/05/ai-for-cricket-batsman-pose-analysis/'
{{< /figure >}}
### 課題
-* **データのクリーニングと前処理**
+- **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 has expanded cricket beyond the classic test match format to a much
+ larger scale. The number of matches played every season across various
+ formats has increased and so has the data, the algorithms, newer sports data
+ analysis technologies and simulation models. Cricket data analysis requires
+ field mapping, player tracking, ball tracking, player shot analysis, and
+ several other aspects involved in how the ball is delivered, its angle, spin,
+ velocity, and trajectory. All these factors together have increased the
+ complexity of data cleaning and preprocessing.
-* **動的モデリング**
+- **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。
+ In cricket, just like any other sport,
+ there can be a large number of variables related to tracking various numbers
+ of players on the field, their attributes, the ball, and several possibilities
+ of potential actions. The complexity of data analytics and modeling is
+ directly proportional to the kind of predictive questions that are put forth
+ during analysis and are highly dependent on data representation and the
+ model. Things get even more challenging in terms of computation, data
+ comparisons when dynamic cricket play predictions are sought such as what
+ would have happened if the batsman had hit the ball at a different angle or
+ velocity.
-* **予測分析の複雑さ**
+- **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。
+ This kind of predictive analytics query requires highly granular dataset
+ availability and the capability to synthesize data and create generative
+ models that are highly accurate.
## 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。 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。 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。
+ [Causal analysis](https://amplitude.com/blog/2017/01/19/causation-correlation)
+ and [big data approaches](https://www.ncbi.nlm.nih.gov/pmc/articles/PMC4996805/)
+ are used for tactical analysis.
-* **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。
+- **Data Visualization:** Data graphing and visualization provide useful insights into relationship between various datasets.
## 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'
-alt = 'クリケット分析にNumPyを使用するメリットを示す図'
-title = ' 利用されている主なNumPy機能 '
{{< /figure >}}
diff --git a/content/ja/case-studies/deeplabcut-dnn.md b/content/ja/case-studies/deeplabcut-dnn.md
index ebfe3edca7..a2e9467af3 100644
--- a/content/ja/case-studies/deeplabcut-dnn.md
+++ b/content/ja/case-studies/deeplabcut-dnn.md
@@ -4,50 +4,53 @@ sidebar: false
---
{{< figure >}}
-src = '/images/content_images/cs/mice-hand.gif'
-title = 'DeepLapCutを用いたマウスの手の動きの解析'
-alt = 'micehandanim'
-attribution = '(Source: www.deeplabcut.org )'
-attributionlink = 'http://www.mousemotorlab.org/deeplabcut'
{{< /figure >}}
{{< blockquote
- cite="https://news.harvard.edu/gazette/story/newsplus/harvard-researchers-awarded-czi-open-source-award/"
- by="Alexander Mathis、 *准教授、École polytechnology fe’rale de Lausanne* ([EPFL](https://www.epfl.ch/en/))"
+ cite="{{< blockquote cite="https://news.harvard.edu/gazette/story/newsplus/harvard-researchers-awarded-czi-open-source-award/" by="Alexander Mathis、 _准教授、École polytechnology fe’rale de Lausanne_ ([EPFL](https://www.epfl.ch/en/))""
+ by="Alexander Mathis, _Assistant Professor, École polytechnique fédérale de Lausanne_ ([EPFL](https://www.epfl.ch/en/))"
>}}
-オープンソースソフトウェアは生体臨床医学を加速させています。 DeepLabCut を使用すると、深層学習を使用して動物の行動を自動的にビデオ解析することができます。
{{< /blockquote >}}
## 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。 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。 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。
{{< figure >}}
-src = '/images/content_images/cs/race-horse.gif'
-title = '色のついた点は競走馬の体の位置を追跡'
-alt = 'horserideranim'
-attribution = '(Source: Mackenzie Mathis)'
{{< /figure >}}
-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。 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。 It works across species of animals, from common laboratory animals such as flies and mice to more unusual animals like [cheetahs][cheetah-movement].
-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。
+[cheetah-movement]: https://www.technologynetworks.com/neuroscience/articles/interview-a-deeper-cut-into-behavior-with-mackenzie-mathis-327618
+
+DeepLabCut uses a principle called [transfer learning](https://arxiv.org/pdf/1909.11229), which greatly reduces the amount of training data required and speeds up the convergence of the training period. 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 originally used the feature detectors from a top-performing human pose estimation architecture, called [DeeperCut](https://arxiv.org/abs/1605.03170), which inspired the name. 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。 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:**
+- **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。 This data can be used, for example, in
+ neuroscience studies to understand how the brain controls movement, or to
+ elucidate how animals socially interact. Researchers have observed a
+ [tenfold performance boost](https://www.biorxiv.org/content/10.1101/457242v1)
+ with DeepLabCut. Poses can be inferred offline at up to 1200 frames per second
+ (FPS).
-* **姿勢推定のための使いやすいPythonツールキットの作成:**
+- **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 wanted to share their animal pose-estimation technology in the form
+ of an easy to use tool that can be adopted by researchers easily. So they have
+ created a complete, easy-to-use Python toolbox with project management features
+ as well. These enable not only automation of pose-estimation but also
+ managing the project end-to-end by helping the DeepLabCut Toolkit user right
+ from the dataset collection stage to creating shareable and reusable analysis
+ pipelines.
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。
@@ -59,69 +62,55 @@ DeepLabCutでは[転移学習](https://arxiv.org/pdf/1909.11229)という技術
- 統合された可視化ツールを使用した推論の描画
{{< figure >}}
-src = '/images/content_images/cs/deeplabcut-toolkit-steps.png'
-title = 'DeepLabCutによる姿勢推定のステップ'
-alt = 'dlcsteps'
-align = 'center'
-attribution = '(Source: DeepLabCut)'
-attributionlink = 'https://twitter.com/DeepLabCut/status/1198046918284210176/photo/1'
{{< /figure >}}
+[DLCToolkit]: https://github.com/DeepLabCut/DeepLabCut
+
### 課題
-* **速度**
+- **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。
+ Extracting detailed animal poses for laboratory experiments, without
+ markers, in dynamically changing backgrounds, can be challenging, both
+ technically as well as in terms of resource needs and training data required.
+ Coming up with a tool that is easy to use without the need for skills such
+ as computer vision expertise that enables scientists to do research in more
+ real-world contexts, is a non-trivial problem to solve.
-* **組み合わせ問題**
+- **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。
+ Combinatorics involves assembly and integration of movement of multiple
+ limbs into individual animal behavior. 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**
+- **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'
-title = '姿勢推定の多様性と難しさ'
-alt = 'challengesfig'
-align = 'center'
-attribution = '(Source: Mackenzie Mathis)'
-attributionlink = 'https://www.biorxiv.org/content/10.1101/476531v1.full.pdf'
{{< /figure >}}
## 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 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。
-* ベクトル化
-* マスクされた配列操作
-* 線形代数
-* ランダムサンプリング
-* 大きな配列の再構成
+- ベクトル化
+- マスクされた配列操作
+- 線形代数
+- 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。
{{< figure >}}
-src = '/images/content_images/cs/deeplabcut-workflow.png'
-title = 'DeepLabCutのワークフロー'
-alt = 'workflow'
-attribution = '(Source: Mackenzie Mathis)'
-attributionlink = 'https://www.researchgate.net/figure/DeepLabCut-work-flow-The-diagram-delineates-the-work-flow-as-well-as-the-directory-and_fig1_329185962'
{{< /figure >}}
## 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。
+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。 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'
-alt = 'numpy benefits'
-title = 'NumPyの主要機能'
{{< /figure >}}
-
-[cheetah-movement]: https://www.technologynetworks.com/neuroscience/articles/interview-a-deeper-cut-into-behavior-with-mackenzie-mathis-327618
-
-[DLCToolkit]: https://github.com/DeepLabCut/DeepLabCut
diff --git a/content/ja/case-studies/gw-discov.md b/content/ja/case-studies/gw-discov.md
index e92252d653..3f4f703268 100644
--- a/content/ja/case-studies/gw-discov.md
+++ b/content/ja/case-studies/gw-discov.md
@@ -4,88 +4,97 @@ sidebar: false
---
{{< figure >}}
-src = '/images/content_images/cs/gw_sxs_image.png'
-title = '重力波'
-alt = 'binary coalesce black hole generating gravitational waves'
-attribution = '(Image Credits: The Simulating eXtreme Spacetimes (SXS) Project at LIGO)'
-attributionlink = 'https://youtu.be/Zt8Z_uzG71o'
{{< /figure >}}
-{{< blockquote cite="https://www.youtube.com/watch?v=BIvezCVcsYs" by="David Shoemaker, *LIGOサイエンティフィック・コラボレーション*" >}} 科学計算のためのPythonエコシステムはLIGOで行われている研究のための重要なインフラです。
+{{< blockquote
+ cite="https://www.youtube.com/watch?v=BIvezCVcsYs"
+ by="David Shoemaker, _LIGOサイエンティフィック・コラボレーション_" >}}
{{< /blockquote >}}
## [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。
-[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。 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
-* LIGOの[ミッション](https://www.ligo.caltech.edu/page/what-is-ligo)は、宇宙で最も激しくエネルギーに満ちたプロセスからの重力波を検出することですが、LIGOが収集するデータは、重力、相対性理論、天体物理学、宇宙論、素粒子物理学、原子核物理学など、物理学の多くの分野に広く影響を与える可能性があります。
-* 複雑な数学を含む相対性理論の数値計算によって観測データを解析し、信号とノイズを識別し、関連性のある信号をフィルタリングし、観測データの有意性を統計的に推定することで、宇宙の始まりのクランチを観測できるようになります。
-* バイナリや数値の結果を理解しやすいようにデータを可視化することも必要です。
-
-
+- LIGOの[ミッション](https://www.ligo.caltech.edu/page/what-is-ligo)は、宇宙で最も激しくエネルギーに満ちたプロセスからの重力波を検出することですが、LIGOが収集するデータは、重力、相対性理論、天体物理学、宇宙論、素粒子物理学、原子核物理学など、物理学の多くの分野に広く影響を与える可能性があります。
+- Crunch observed data via numerical relativity computations that involves
+ complex maths in order to discern signal from noise, filter out relevant
+ signal and statistically estimate significance of observed data
+- バイナリや数値の結果を理解しやすいようにデータを可視化することも必要です。
### 課題
-* **計算**
-
- 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、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。
+- **計算**
+
+ Gravitational Waves are hard to detect as they produce a very small effect
+ and have tiny interaction with matter. Processing and analyzing all of
+ LIGO's data requires a vast computing infrastructure.After taking care of
+ noise, which is billions of times of the signal, there is still very
+ complex relativity equations and huge amounts of data which present a
+ computational challenge:
+ [O(10^7) CPU hrs needed for binary merger analyses](https://youtu.be/7mcHknWWzNI)
+ spread on 6 dedicated LIGO clusters
+
+- **データの氾濫**
+
+ As observational devices become more sensitive and reliable, the challenges
+ posed by data deluge and finding a needle in a haystack rise multi-fold.
+ LIGOは毎日テラバイトのデータを生成しているのです！ Making sense of this data
+ requires an enormous effort for each and every detection. For example, the
+ signals being collected by LIGO must be matched by supercomputers against
+ hundreds of thousands of templates of possible gravitational-wave signatures.
+
+- **可視化**
+
+ Once the obstacles related to understanding Einstein’s equations well
+ enough to solve them using supercomputers are taken care of, the next big
+ challenge was making data comprehensible to the human brain. Simulation
+ modeling as well as signal detection requires effective visualization
+ techniques. Visualization also plays a role in lending more credibility
+ to numerical relativity in the eyes of pure science aficionados, who did
+ not give enough importance to numerical relativity until imaging and
+ simulations made it easier to comprehend results for a larger audience.
+ Speed of complex computations and rendering, re-rendering images and
+ simulations using latest experimental inputs and insights can be a time
+ consuming activity that challenges researchers in this domain.
{{< figure >}}
-src = '/images/content_images/cs/gw_strain_amplitude.png'
-alt = 'gravitational waves strain amplitude'
-title = 'GW150914から推定される重力波の歪みの振幅'
-attribution = '(Graph Credits: Observation of Gravitational Waves from a Binary Black Hole Merger, ResearchGate Publication)'
-attributionlink = 'https://www.researchgate.net/publication/293886905_Observation_of_Gravitational_Waves_from_a_Binary_Black_Hole_Merger'
{{< /figure >}}
## 重力波の検出におけるNumPyの役割
-ブラックホール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。
+ブラックホール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。
-* [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。
-* 統計解析: 観測データの統計的有意性を推定し、モデルとの比較により信号パラメータ（星の質量、スピン速度、距離など）を推定する。
-* データ可視化
+- [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。
+- 統計解析: 観測データの統計的有意性を推定し、モデルとの比較により信号パラメータ（星の質量、スピン速度、距離など）を推定する。
+- データ可視化
- 時系列データ
- スペクトログラム
-* 相関計算
-* 重力波データ解析のために開発された[ソフトウェア群](https://github.com/lscsoft): [GwPy](https://gwpy.github.io/docs/stable/overview.html)や [PyCBC](https://pycbc.org)は、NumPyやAstroPyを用いて、重力波検出器データを研究するためのユーティリティー・ツール・関数へのオブジェクト指向インターフェースを提供しています。
+- 相関計算
+- 重力波データ解析のために開発された[ソフトウェア群](https://github.com/lscsoft): [GwPy](https://gwpy.github.io/docs/stable/overview.html)や [PyCBC](https://pycbc.org)は、NumPyやAstroPyを用いて、重力波検出器データを研究するためのユーティリティー・ツール・関数へのオブジェクト指向インターフェースを提供しています。
{{< figure >}}
-src = '/images/content_images/cs/gwpy-numpy-dep-graph.png'
-alt = 'gwpy-numpy depgraph'
-title = 'GwPyのNumPy依存グラフ'
{{< /figure >}}
----
{{< figure >}}
-src = '/images/content_images/cs/PyCBC-numpy-dep-graph.png'
-alt = 'PyCBC-numpy depgraph'
-title = 'PyCBCのNumPy依存グラフ'
{{< /figure >}}
## まとめ
-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
+along with other Python packages such as matplotlib, pandas, and scikit-learn
+is [enabling researchers](https://www.gw-openscience.org/events/GW150914/) to
+answer complex questions and discover new horizons in our understanding of the
+universe.
{{< figure >}}
-src = '/images/content_images/cs/numpy_gw_benefits.png'
-alt = 'numpy benefits'
-title = '利用されたNumPyの主要機能'
{{< /figure >}}
diff --git a/content/ja/citing-numpy.md b/content/ja/citing-numpy.md
index 397ca192ab..648be984a5 100644
--- a/content/ja/citing-numpy.md
+++ b/content/ja/citing-numpy.md
@@ -1,16 +1,16 @@
---
-title: NumPyを引用する
+title: 引用する
sidebar: false
---
もしあなたの研究においてNumPyが重要な役割を果たし、論文でこのプロジェクトについて言及したい場合は、こちらの論文を引用して下さい。
-* Harris, C.R., Millman, K.J., van der Walt, S.J. et al. _Array programming with NumPy_. Nature 585, 357–362 (2020). DOI: [10.1038/s41586-020-2649-2](https://doi.org/10.1038/s41586-020-2649-2). ([リンク](https://www.nature.com/articles/s41586-020-2649-2)).
+- Harris, C.R., Millman, K.J., van der Walt, S.J. 他、_NumPyを使った配列プログラミング_ Nature 585, 357–362 (2020). DOI: [10.1038/s41586-020-2649-2](https://doi.org/10.1038/s41586-020-2649-2). ([リンク](https://www.nature.com/articles/s41586-020-2649-2)).
_BibTeX形式:_
- ```
-@Article{ harris2020array,
+ ```
+ @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
Cournapeau and Eric Wieser and Julian Taylor and Sebastian
@@ -30,5 +30,5 @@ _BibTeX形式:_
doi = {10.1038/s41586-020-2649-2},
publisher = {Springer Science and Business Media {LLC}},
url = {https://doi.org/10.1038/s41586-020-2649-2}
-}
-```
+ }
+ ```
diff --git a/content/ja/code-of-conduct.md b/content/ja/code-of-conduct.md
index 304f138c3f..dec604131a 100644
--- a/content/ja/code-of-conduct.md
+++ b/content/ja/code-of-conduct.md
@@ -22,16 +22,16 @@ aliases:
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)。
- * 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。
- * 過度に粗暴に振る舞うこと。 ひどいな言葉を使うのを避けてください。 人々は怒りを覚える感度が、それぞれ大きく異なります。
- * 他人に対するハラスメントの繰り返し。 一般的に、誰かがあなたにある言動を止めるように要求した場合、その言動をやめて下さい。
- * 上記のいずれかの行動を擁護すること、または奨励すること。
+ - 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)。
+ - 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。
+ - 過度に粗暴に振る舞うこと。 ひどいな言葉を使うのを避けてください。 人々は怒りを覚える感度が、それぞれ大きく異なります。
+ - 他人に対するハラスメントの繰り返し。 一般的に、誰かがあなたにある言動を止めるように要求した場合、その言動をやめて下さい。
+ - 上記のいずれかの行動を擁護すること、または奨励すること。
### 多様性に関する声明
@@ -45,7 +45,7 @@ NumPy コミュニティの標準的なルールは、上記の行動規範で
### 報告ガイドライン
-私たちは、インターネット上でのやりとりが簡単にひどい誹謗中傷に陥ってしまうことを、痛いほど知っています. 私たちはまた、嫌な日を過ごしてむしゃくしゃしている人や、行動規範ガイドラインの項目を見落としている人がいることも知っています。 行動規範の違反にどのように対処するかを決定する際には、このことを心に留めておく必要があります。
+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。 私たちはまた、嫌な日を過ごしてむしゃくしゃしている人や、行動規範ガイドラインの項目を見落としている人がいることも知っています。 行動規範の違反にどのように対処するかを決定する際には、このことを心に留めておく必要があります。
意図的な行動規範違反については、行動規範委員会に報告してください (下記参照)。 もし、違反が意図的でない可能性がある場合、その人にこの行動規範の存在を知らせることも可能です (パブリックでもプライベートでも、適切な方法で)。 もし直接指摘したくない場合は、ぜひ、行動規範委員会に直接連絡するか、違反の確度について助言を求めて下さい。
@@ -53,15 +53,15 @@ 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
現在、行動規範委員会は以下のメンバーで構成されています:
-* Stefan van der Walt
-* Melissa Weber Mendonça
-* Rohit Goswami
+- Stefan van der Walt
+- Melissa Weber Mendonça
+- Rohit Goswami
-もしあなたの違反報告に委員会のメンバーが含まれている場合, または彼らがそれを処理する上で利益相反をしていると感じる場合、そのメンバーはあなたの報告を評価する立場からは辞退してもらいます。 もしくは、行動規範委員会に報告するのが躊躇われる場合は、こちらからNumFOCUSのシニアスタッフに連絡することも可能です:[conduct@numfocus.org](https://numfocus.org/code-of-conduct#persons-responsible) 。
+もしあなたの違反報告に委員会のメンバーが含まれている場合, または彼らがそれを処理する上で利益相反をしていると感じる場合、そのメンバーはあなたの報告を評価する立場からは辞退してもらいます。 もしくは、行動規範委員会に報告するのが躊躇われる場合は、こちらからNumFOCUSのシニアスタッフに連絡することも可能です : [conduct@numfocus.org](https://numfocus.org/code-of-conduct#persons-responsible)
-### インシデント報告の解決 & 行動規範の実施
+### インシデント報告の解決と行動規範の実行
-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。
+_本章では、最も重要な点のみをまとめています。 詳細については、[NumPy行動規範 - レポートの対応方法](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。
@@ -72,7 +72,7 @@ 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
1. 報告書の受領を確認
2. 建設的な議論/フィードバック
3. 調停（報告者と報告を受けたものの両方がフィードバックが役に立たなかったと同意した場合に限る）
-4. 行動規範委員会による透明性のある決定と執行( [決議](report-handling-manual/#resolutions)を参照)
+4. 行動規範委員会による透明性のある方針決定と執行( [決議](report-handling-manual/#解決方法)を参照)
行動規範委員会は、可能な限り速やかに対応し、最大で72時間以内に対応する様にします。
diff --git a/content/ja/community.md b/content/ja/community.md
index 2629f72358..33a05ee904 100644
--- a/content/ja/community.md
+++ b/content/ja/community.md
@@ -3,19 +3,19 @@ title: コミュニティ
sidebar: false
---
-NumPy は 常に多様な[コントリビュータ](/ja/teams/) のグループによって開発されている、コミュニティ主導のオープンソースプロジェクトです。 NumPy を主導するグループは、オープンで協力的でポジティブなコミュニティを作ることを、約束しました。 コミュニティを繁栄させるために、コミュニティの人達と交流する方法については、 [NumPy 行動規範](/ja/code-of-conduct) をご覧ください。
+NumPy は 常に多様な[コントリビュータ](/ja/teams/) のグループによって開発されている、コミュニティ主導のオープンソースプロジェクトです。 NumPy を主導するグループは、オープンで協力的でポジティブなコミュニティを作ることを、約束しました。 NumPy 行動規範 をぜひ参照してください。コミュニティの繁栄につながるようなかたちで、人々と交流する方法について書いてあります。
私たちは、NumPyコミュニティ内で学んだり、知識を共有したり、他の人と交流するためのいくつかのコミュニケーション方法を提供しています。
-
## オンラインで参加する方法
-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の通りです。 _重要: 私たちはユーザとコミュニティメンバーに互いにNumPyの使い方の質問に関して助言し合って欲しいと思っています。 - 参照[サポート](/gethelp)._
-
+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の通りです。
+_ 一点重要な点として、私たちはユーザとコミュニティメンバーに互いにNumPyの使い方の質問に関して助言し合って欲しいと思っています。 詳細は[サポートをある方法](/gethelp)を参照して下さい。_
-### [NumPyメーリングリスト：](https://mail.python.org/mailman/listinfo/numpy-discussion)
+### [NumPyメーリングリスト](https://mail.python.org/mailman/listinfo/numpy-discussion)
-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)。 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。
@@ -23,44 +23,44 @@ 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
### [GitHub イシュートラッカー](https://github.com/numpy/numpy/issues)
-- バグレポート（例：”`np.arange(3).shape` returns `(5,)`, when it should return `(3,)`");
+- バグレポート（例：”`np.arange(3).shape` が`(5,)`を返しています。ここでは`(3,)`が返るべきです。");
- ドキュメントの問題 (例: "I find this section unclear");
-- 機能追加リクエスト (例: "I would like to have a new interpolation method in `np.percentile`").
+- 機能追加リクエスト (例: "np.percentile に新しい補間方法を追加したいと考えています。").
-_ちなみに、セキュリティの脆弱性を報告するには、GitHubのイシュートラッカーは適切な場所ではないことに注意してください。 NumPy でセキュリティ上の脆弱性を発見したと思われる場合は、 [こちら](https://tidelift.com/docs/security) から報告してください。_
+ちなみに、セキュリティの脆弱性を報告するには、GitHubのイシュートラッカーは適切な場所ではないことに注意してください。 NumPyのセキュリティ上の脆弱性を発見したと思われる場合は、 [ここ](https://tidelift.com/docs/security)に報告してください。
***
### [Slack](https://numpy-team.slack.com)
-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。
-
+NumPyへの_貢献_ について質問するリアルタイムのチャットルーム。
+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。
+詳細と招待の取得方法については、
+[こちら](https://numpy.org/devdocs/dev/index.html#contributing-to-numpy) を参照してください。
## 勉強会とミートアップ
NumPyや、データサイエンス、科学技術計算などのより広いエコシステムのためのPythonパッケージついて、もっと学ぶためのローカルミートアップや勉強会を見つけたい場合、 [PyData ミートアップ](https://www.meetup.com/pro/pydata/) (150人以上のミートアップ、10万人以上のメンバーをまとめたもの) を調べてみることをお勧めします。
-加えて、NumPy では開発チームと参加に興味があるコントリビュータのために、対面でのスプリントを時折開催しています。 この開発スプリントは通常数ヶ月に一度に開催されており、 [メーリングリスト](https://mail.python.org/mailman/listinfo/numpy-discussion) と [Twitter](https://twitter.com/numpy_team) で開催連絡されます。
-
+加えて、NumPy では開発チームと参加に興味があるコントリビュータのために、対面でのスプリントを時折開催しています。 加えて、NumPy では開発チームと参加に興味があるコントリビュータのために、対面でのスプリントを時折開催しています。 この開発スプリントは通常数ヶ月に一度に開催されており、 [メーリングリスト](https://mail.python.org/mailman/listinfo/numpy-discussion) で開催連絡されます。
## カンファレンス
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せん。 NumPy の管理者や、コントリビュータ、ユーザーに最も人気があったカンファレンスは、SciPy および PyDataのカンファレンスです。
-- [SciPy US](https://conference.scipy.org)
-- [EuroSciPy](https://www.euroscipy.org)
-- [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。 )
+- SciPy US
+- EuroSciPy
+- SciPy Latin America
+- SciPy India
+- SciPyData Japan
+- PyData conference (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。
-
## NumPy コミュニティに参加する
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。 プログラマーじゃないから参加できない？ そんなことはありません！ NumPy に貢献する様々な方法があります。
-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。
+Numpy コントリビューターになることに興味があるなら(やった!) [貢献する方法](/contribute) のページを確認する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 f662552f52..7268078496 100644
--- a/content/ja/config.yaml
+++ b/content/ja/config.yaml
@@ -6,132 +6,104 @@ params:
text: NumPy
link: /ja/
hero:
- #Main hero title
+ # Main hero title
title: NumPy
- #Hero subtitle (optional)
+ # Hero subtitle (optional)
subtitle: Pythonによる科学技術計算の基礎パッケージ
- #Button text
+ # Button text
buttontext: "最新リリース: Numpy 1.26. すべてのリリースを表示する"
- #Where the main hero button links to
+ # Where the main hero button links to
buttonlink: "/ja/news/#releases"
- #Hero image (from static/images/___)
+ # Hero image (from static/images/___)
image: logo.svg
shell:
title: placeholder
intro:
- -
- 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。
+ - 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、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
+ - 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
tabs:
title: NumPyのエコシステム
section5: false
navbar:
- -
- title: インストール
- url: /ja/install
- -
- title: ドキュメント
- url: https://numpy.org/doc/stable
- -
- title: 学び方
- url: /ja/learn
- -
- title: コミュニティ
- url: /ja/community
- -
- title: 私達について
- url: /ja/about
- -
- title: ニュース
- url: /ja/news
- -
- title: NumPyに貢献する
- url: /ja/contribute
+ - title: インストール
+ url: /ja/install
+ - title: ドキュメント
+ url: https://numpy.org/doc/stable
+ - title: NumPyの学び方
+ url: /ja/learn
+ - title: コミュニティ
+ url: /ja/community
+ - title: 私達について
+ url: /ja/about
+ - 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://github.com/numpy/numpy
+ icon: github
+ - link: https://www.youtube.com/channel/UCguIL9NZ7ybWK5WQ53qbHng
+ icon: youtube
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: NumPyの学び方
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: ユーザーの調査
+ - 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 d2720fdfb3..848da978dd 100644
--- a/content/ja/contribute.md
+++ b/content/ja/contribute.md
@@ -3,63 +3,79 @@ 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。 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。
+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。
+あなたの貢献の方法の選択肢はプログラミングに限ったものではありません。
-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。
+どこから始めればよいか、または自分のスキルがどのように役立つかわからない場合は、ぜひ声をかけてください！
+[mailing list](https://mail.python.org/mailman/listinfo/numpy-discussion) や[GitHub](http://github.com/numpy/numpy) で質問できます（[issue](https://github.com/numpy/numpy/issues)を作成したり、関連する issue にコメントしたりしてください）。
-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。 +プログラマーの方には、こちらの [ガイド](https://numpy.org/devdocs/dev/index.html#development-process-summary)でNumPyのコードに貢献する方法が説明されています。
追加の説明に関しては、私たちの[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、 -* 長期にわたる議論をまとめる -* ドキュメントのPRをトリアージする -* 提案された変更をテストする + +- 長期にわたる議論をまとめる +- ドキュメントのPRをトリアージする +- 提案された変更をテストする ### 教育用の資料を作成する -NumPy の [ユーザガイド](https://numpy.org/devdocs) は現在、大規模な再設計中です。 新しいNumPyのWebページは、新しいチュートリアルや、NumPyの使い方、NumPy内部の深い説明など必要としており、サイト全体にも再設計と再構築が必要です。 このウェブサイトの再構築の作業は、ドキュメントを書くだけではありません。 コード例や、ノートブック、ビデオなどの作成も歓迎しています。 [NEP 44 — Restructuring the NumPyDocumentation](https://numpy.org/neps/nep-0044-restructuring-numpy-docs.html)に、ウェブサイトの再構築についての詳細が説明されています。 +NumPy の [ユーザガイド](https://numpy.org/devdocs) は現在、大規模な再設計中です。 +新しいNumPyのWebページは、新しいチュートリアルや、NumPyの使い方、NumPy内部の深い説明など必要としており、サイト全体にも再設計と再構築が必要です。 このウェブサイトの再構築の作業は、ドキュメントを書くだけではありません。 コード例や、ノートブック、ビデオなどの作成も歓迎しています。 [NEP 44 — Restructuring the NumPyのドキュメントの再構成](https://numpy.org/neps/nep-0044-restructuring-numpy-docs.html)に、我々のウェブサイトの再構築についての詳細が説明されています。 ### 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_未解決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。 例えば、 -* 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 -* 問題を再現するコードを作成する -* イシューに正しいラベル付けをする (トリアージ権が必要なので、連絡下さい) +- 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 +- 問題を再現するコードを作成する +- イシューに正しいラベル付けをする (トリアージ権が必要なので、連絡下さい) ぜひ、やってみて下さい。 ### 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、これらの[イシュー](https://github.com/numpy/numpy.org/issues?q=is%3Aissue+is%3Aopen+label%3Adesign) に未解決な課題や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。 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。 +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 -私たちは、[numpy.org](https://numpy.org) を複数言語に翻訳し、NumPyを母国語でアクセスできるようにしたいと思っています。 これを実現するには、ボランティアの翻訳者が必要です。 詳しくは[このイシュー](https://numpy.org/neps/nep-0028-website-redesign.html#translation-multilingual-i18n)を参照してください。 [この GitHubイシュー](https://github.com/numpy/numpy.org/issues/55) にコメントしてサインアップしてください。 +私たちは、[numpy.org](https://numpy.org) を複数言語に翻訳し、NumPyに母国語でアクセスできるようにしたいと思っています。 これを実現するには、ボランティアの翻訳者が必要です。 詳しくは[このイシュー](https://numpy.org/neps/nep-0028-website-redesign.html#translation-multilingual-i18n)を参照してください。もしくは、こちらの [ イシュー](https://github.com/numpy/numpy.org/issues/55) にコメントしてサインアップしてください。 ### コミュニティとの連携とアウトリーチ -コミュニティとのコミュニケーションを通じて、私たちは、NumPyより広く知ってもらい、どこに問題があるのかを知りたいと思っています。 私たちは、[Twitter](https://twitter.com/numpy_team) アカウントや、NumPy[コードスプリント](https://scisprints.github.io/)の開催、ニュースレターの発行、そしておそらくブログなどを通じて、より沢山の人にコミュニティに参加して欲しいと思っていす。 +コミュニティとのコミュニケーションを通じて、私たちは、NumPyより広く知ってもらい、どこに問題があるのかを知りたいと思っています。 私たちは、NumPyの[コードスプリント](https://scisprints.github.io/)の開催、ニュースレターの発行、そしておそらくブログなどを通じて、より沢山の人にコミュニティに参加して欲しいと思っていす。 ### 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。 +この[SciPy'19の発表](https://www.youtube.com/watch?v=dBTJD_FDVjU) では、サポートでどれだけ変わっ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。 ### 寄付 -寄付をすることでNumpyに貢献したい場合は、 [https://numpy.org/about/#donate](https://numpy.org/about/#donate) をご覧ください。 +寄付をすることでNumpy に貢献したい場合は、 [寄付のページ](https://numpy.org/about/#donate)をご覧ください。 diff --git a/content/ja/diversity_sep2020.md b/content/ja/diversity_sep2020.md new file mode 100644 index 0000000000..4f7900c079 --- /dev/null +++ b/content/ja/diversity_sep2020.md @@ -0,0 +1,99 @@ +--- +title: NumPy Diversity and Inclusion Statement +sidebar: false +--- + + +_In light of the foregoing discussion on social media after publication of the +NumPy paper in Nature and the concerns raised about the state of diversity and +inclusion on the NumPy team, we would like to issue the following statement:_ + + +It is our strong belief that we are at our best, as a team and community, when +we are inclusive and equitable. Being an international team from the onset, we +recognize the value of collaborating with individuals from diverse backgrounds +and expertise. A culture where everyone is welcomed, supported, and valued is +at the core of the NumPy project. + +## The Past + +Contributing to open source has always been a pastime in which most +historically marginalized groups, especially women, faced more obstacles to +participate due to a number of societal constraints and expectations. +Open source has a severe diversity gap that is well documented (see, e.g., the +[2017 GitHub Open Source Survey](https://opensourcesurvey.org/2017/) and +[this blog post](https://medium.com/tech-diversity-files/if-you-think-women-in-tech-is-just-a-pipeline-problem-you-haven-t-been-paying-attention-cb7a2073b996)). + +Since its inception and until 2018, NumPy was maintained by a handful of +volunteers often working nights and weekends outside of their day jobs. At any +one time, the number of active core developers, the ones doing most of the +heavy lifting as well as code review and integration of contributions from the +community, was in the range of 4 to 8. The project didn't have a roadmap or +mechanism for directing resources, being driven by individual efforts to work +on what seemed needed. The authors on the NumPy paper are the individuals who +made the most significant and sustained contributions to the project over a +period of 15 years (2005 - 2019). The lack of diversity on this author list is +a reflection of the formative years of the Python and SciPy ecosystems. + +2018 has marked an important milestone in the history of the NumPy project. +Receiving funding from The Gordon and Betty Moore Foundation and Alfred P. +Sloan Foundation allowed us to provide full-time employment for two software +engineers with years of experience contributing to the Python ecosystem. Those +efforts brought NumPy to a much healthier technical state. + +This funding also created space for NumPy maintainers to focus on project +governance, community development, and outreach to underrepresented groups. +[The diversity statement](https://figshare.com/articles/online_resource/Diversity_and_Inclusion_Statement_NumPy_for_Chan_Zuckerberg_Initiative_EOSS_2019_round_1/12980852) +written in mid 2019 for the CZI EOSS program grant application details some of +the challenges as well as the advances in our efforts to bring in more diverse +talent to the NumPy team. + +## The Present + +Offering employment opportunities is an effective way to attract and retain +diverse talent in OSS. Therefore, we used two-thirds of our second grant that +became available in Dec 2019 to employ Melissa Weber Mendonça and Mars Lee. + +As a result of several initiatives aimed at community development and +engagement led by Inessa Pawson and Ralf Gommers, the NumPy project has +received a number of valuable contributions from women and other +underrepresented groups in open source in 2020: + +- Melissa Weber Mendonça gained commit rights, is maintaining numpy.f2py and is + leading the documentation team, +- Shaloo Shalini created all case studies on numpy.org, +- Mars Lee contributed web design and led our accessibility improvements work, +- Isabela Presedo-Floyd designed our new logo, +- Stephanie Mendoza, Xiayoi Deng, Deji Suolang, and Mame Fatou Thiam + designed and fielded the first NumPy user survey, +- Yuki Dunn, Dayane Machado, Mahfuza Humayra Mohona, Sumera Priyadarsini, + Shaloo Shalini, and Kriti Singh (former Outreachy intern) helped the + survey team to reach out to non-English speaking NumPy users and developers + by translating the questionnaire into their native languages, +- Sayed Adel, Raghuveer Devulapalli, and Chunlin Fang are driving the work on + SIMD optimizations in the core of NumPy. + +While we still have much more work to do, the NumPy team is starting to look +much more representative of our user base. And we can assure you that the next +NumPy paper will certainly have a more diverse group of authors. + +## The Future + +We are fully committed to fostering inclusion and diversity on our team and in +our community, and to do our part in building a more just and equitable future. + +We are open to dialogue and welcome every opportunity to connect with +organizations representing and supporting women and minorities in tech and +science. We are ready to listen, learn, and support. + +Please get in touch with us on [our mailing list](https://scipy.org/scipylib/mailing-lists.html#mailing-lists), +[GitHub](https://github.com/numpy/numpy/issues), [Slack](https://numpy.org/contribute/), +in private at numpy-team@googlegroups.com, or join our +[bi-weekly community meeting](https://hackmd.io/76o-IxCjQX2mOXO_wwkcpg). + + +_Sayed Adel, Sebastian Berg, Raghuveer Devulapalli, Chunlin Fang, Ralf Gommers, +Allan Haldane, Stephan Hoyer, Mars Lee, Melissa Weber Mendonça, Jarrod Millman, +Inessa Pawson, Matti Picus, Nathaniel Smith, Julian Taylor, Pauli Virtanen, +Stéfan van der Walt, Eric Wieser, on behalf of the NumPy team_ + diff --git a/content/ja/gethelp.md b/content/ja/gethelp.md index 51e862b907..125ad4aa9a 100644 --- a/content/ja/gethelp.md +++ b/content/ja/gethelp.md @@ -5,11 +5,11 @@ sidebar: false **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。 -**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。 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、質問の数は膨大で対応しきれないのが現実です。 +**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)や[Reddit](https://www.reddit.com/r/Numpy/)に質問を投稿することです。 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、質問の数は膨大なのが現実です。 ### [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？ 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？ 質問には [`#numpy` tag]を使って下さい。(https://stackoverflow.com/help/tagging) *** diff --git a/content/ja/history.md b/content/ja/history.md index 946393c67d..9625ba6f25 100644 --- a/content/ja/history.md +++ b/content/ja/history.md @@ -3,23 +3,20 @@ 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。 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 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、古いパッケージを使っていた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](static/numeric-manual.pdf)のダウンロード diff --git a/content/ja/install.md b/content/ja/install.md index 9f993943be..c7bb3ead88 100644 --- a/content/ja/install.md +++ b/content/ja/install.md @@ -3,123 +3,132 @@ title: NumPyのインストール sidebar: false --- -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/building)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。 +{{< admonition >}} +{{< /admonition >}} -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。 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。 +NumPy のインストールする推奨の方法は、希望するワークフローによって異なります。 そこで、インストール方法を以下のカテゴリに分類しました。 -**CONDA** +- **プロジェクトベースの方法** (例: uv, pixi) _(新規ユーザーに推奨)_ +- **環境ベースの方法** (例: pip, conda) _(従来のワークフロー)_ +- **システムパッケージマネージャーを使う方法** _(ほとんどのユーザーには非推奨)_ +- **ソース からのビルド** _(経験豊富なユーザーおよび開発者向け)_ -`conda`を使用する場合、 `defaults` または `conda-forge` のチャンネルから NumPy をインストールできます。 +あなたの目的に応じて最適な方法を選択してください。 どの方法を使うべきか分からない場合は、 **環境ベースの方法** を元に、conda または pip を使って開始しましょう。 -```bash -# base envにインストールするのでなく、environmentを作成するのがベストプラクティスです -conda create -n my-env -conda activate my-env -# conda-forgeからインストールする場合 -conda config --env --add channels conda-forge -# インストールコマンド -conda install numpy -``` - -**PIP** - -`pip`を使用する場合、以下のようにNumPyをインストールできます: - -```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。 - - - - -# PythonとNumPyの インストールガイド - -Pythonパッケージのインストールと管理は複雑なので、ほとんどのタスクには数多くの代替ツールがあります。 このガイドでは、読者に最適な(または最も人気のある) 方法と明確な指針を提供したいと思います。 このガイドでは、一般的なオペレーティングシステムとハードウェア上での、 Python、NumPy、PyData (または数値計算) スタックのユーザに焦点を当てています。 - -## 推奨方法 +{{< tabs >}} -まずはユーザの経験レベルと、関心のあるOSに基づいた推奨方法から説明していきたいと思います。 PythonやNumPyの経験が「初級」と「上級」の間の方は、シンプルにインストールしたい場合は「初級」を、より長い視点にたったベストプラクティスに沿ってインストールしたい方は「上級」を参照ください。 +[[tab]] +name = 'プロジェクトベースの方法' +content = ''' -### 初級ユーザ +合理的なワークフローを求める、新規ユーザーにお勧めです。 -Windows、macOS、Linuxのすべてのユーザー向けには: +- **uv**スピードとシンプルさを兼ね備えたモダンなPythonパッケージマネージャ。 + ```bash + uv pip install numpy + ``` -- [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。 -- [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。 +- **pixi:** Pythonやその他の言語のためのクロスプラットフォームパッケージマネージャ + ```bash + pixi add numpy + ``` -### 上級ユーザー - -#### Conda - -- [Miniforge](https://github.com/conda-forge/miniforge) をインストールします。 -- `base` のconda環境を出来るだけ小さく保って下さい。 そして、一つか二つ個別の[`conda environment`](https://docs.conda.io/projects/conda/en/latest/user-guide/tasks/manage-environments.html)を使って、作業中のタスクやプロジェクトに必要なパッケージをインストールしましょう。 - -#### pip/PyPI を利用したい場合 個人的な好みや、下記のcondaとpipの違いを理解した上で、pip/PyPIベースの方法を使いたいユーザーには、下記をお勧めします: -- [python.org](https://www.python.org/downloads/)からや、Macを使っている場合は[Homebrew](https://brew.sh/)、 Linuxを使っている場合は、Linuxのパッケージマネージャーを使ってPythonをインストールします。 -- 依存関係の解決と環境の管理を提供する最もよくメンテナンスされているツールとして、[Poetry](https://python-poetry.org/) をconda と同様な方法で使用することができます。 +`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。 ハイパフォーマンスコンピューティング(HPC)では、 Spack を使うことを検討して下さい。 -## Pythonにおけるパッケージ管理 +pipとcondaの最初の違いは、Conda は複数の言語に対応しており Python 自体をインストールできるのに対し、pip は特定の Python 環境にインストールされ、その Python に対してのみパッケージをインストールすることができることです。 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。
-パッケージの管理は難しいため、たくさんのツールが存在しています。 ウェブ開発と汎用的なPython開発には、こちらのようなpipを補完する [ツール](https://packaging.python.org/guides/tool-recommendations/) があります。 ハイパフォーマンスコンピューティング(HPC)では、 [Spack](https://github.com/spack/spack) を使うことを検討して下さい。 NumPyのほとんどのユーザーにとっては、 [conda](https://conda.io/en/latest/) と [pip](https://pip.pypa.io/en/stable/) が最も広く利用されているツールです。
+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であることです。(他にもたくさん存在しています！) これらのツールは様々な環境や複雑な依存関係を取り扱うことができます
-### Pipとconda
+- **Conda:** conda を使用している場合、デフォルトの設定先、または conda-forge チャンネルから NumPyをインストールできます。
+ ```bash
+ conda create -n my-env
+ conda activate my-env
+ conda conda install numpy
+ ```
+- **Pip:**
+ ```bash
+ pip install numpy
+ ```
-`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。
+{{< admonition >}}
+{{< /admonition >}}
-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。
+ ```bash
+ python -m venv my-env
+ source my-env/bin/activate # macOS/Linux
+ my-env\Scripts\activate # Windows
+ pip install numpy
+ ```
-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！
-
+[[tab]]
+name = 'システムパッケージマネージャを利用'
+content = '''
+ほとんどのユーザーには推奨されませんが、こちらの方が便利な人向けに利用可能です。
-### 再現可能なインストール
+**macOS (Homebrew):**
-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:
+```bash
+# base envにインストールするのでなく、environmentを作成するのがベストプラクティスです
+conda create -n my-env
+conda activate my-env
+# conda-forgeからインストールする場合
+conda config --env --add channels conda-forge
+# インストールコマンド
+conda install numpy
+```
-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:
- - 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/)
+**Linux (APT):**
+```bash
+sudo apt install python3-numpy
+```
+**Windows (Chocolatey):**
-## NumPyパッケージと高速線形代数ライブラリ
+```bash
+choco install numpy
+```
-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
-- 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。
+[[tab]]
+name = 'ソースコードからビルドする'
+content = '''
+**NumPy**をカスタマイズやデバッグしたい、経験豊富なユーザーや開発者向け
-- 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。
+警告:ソースコードからNumPyをビルドすることは簡単では無い場合があります。
+前述のいずれかの方法であなたの環境NumPyを使用できる場合は、バイナリを使用することをお勧めします.
+ソースからのビルドの詳細な方法については、[Numpy docsのソースガイドからのビルド](https://numpy.org/devdocs/building/)を参照してください。
-- 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。
+{{< /tabs >}}
-- MKLは通常、OpenBLASよりも少し速く、より安定した解を得られます。
+## 推奨方法
-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:
+NumPy をインストールした後、以下のコードをPython シェルまたはスクリプトで実行して、インストールが正しく実施されているか確認してください。
-- 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。
+```python
+import numpy as np
+print(np.__version__)
+```
+インストールに問題が無い場合は、インストールされているNumPyのバージョンが表示されるはずです。
## 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。
+以下のメッセージが表示されてインストールに失敗した場合は、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!
+重要：この問題を解決する方法についてのアドバイスを読む前に、こちらを必ずお読みください！
-Importing the numpy c-extensions failed. This error can happen for different reasons, often due to issues with your setup.
+NumPy の C 拡張モジュールのインポートに失敗しました。このエラーは、さまざまな理由で発生する可能性があり、多くの場合は環境セットアップの問題が原因です。
```
diff --git a/content/ja/learn.md b/content/ja/learn.md
index 867861fd9e..70600d1dc1 100644
--- a/content/ja/learn.md
+++ b/content/ja/learn.md
@@ -13,28 +13,28 @@ sidebar: false
NumPyについての資料は多数存在しています。 初心者の方にはこちらの資料を強くお勧めします：
- **動画**
+ **チュートリアル**
-* [NumPy Quickstart チュートリアル](https://numpy.org/devdocs/user/quickstart.html)
-* [NumPyチュートリアル](https://numpy.org/numpy-tutorials)で、いくつかのチュートリアルと教育的資料を見ることができます。 このページのゴールは、NumPyプロジェクトによる質のいい資料を提供することです。 自習と講義形式の両方を想定しており、Jupyterノートブック形式で提供されます。 もしあなた自身の資料を追加することに興味がある場合、[Github上のnumpy-tutorialsリポジトリ](https://github.com/numpy/numpy-tutorials)をチェックしてみて下さい。
-* [イラストで学ぶNumPy *by Lev Maximov*](https://betterprogramming.pub/3b1d4976de1d?sk=57b908a77aa44075a49293fa1631dd9b)
-* [Scientific Pythonレクチャー](https://lectures.scientific-python.org/) NumPyだけでなく、科学的なPythonソフトウェアエコシステムを広く紹介しています。
-* [NumPy: 初心者のための基本](https://numpy.org/devdocs/user/absolute_beginners.html)
-* [NumPy チュートリアル *by Nicolas Rougier*](https://github.com/rougier/numpy-tutorial)
-* [スタンフォード大学 CS231 *by Justin Johnson*](http://cs231n.github.io/python-numpy-tutorial/)
-* [NumPyユーザーガイド](https://numpy.org/devdocs)
+- [NumPy Quickstart チュートリアル](https://numpy.org/devdocs/user/quickstart.html)
+- [NumPyチュートリアル](https://numpy.org/numpy-tutorials) Jupyter Notebook 形式で作成され、NumPy ドキュメントチームによって開発・管理されているチュートリアルおよび教育用資料のコレクションです。 もし独自のコンテンツを追加したい場合は、[GitHubのnumpy-tutorialリポジトリ](https://github.com/numpy/numpy-tutorials)を参照してください。
+- [NumPy Illustrated: イラストで学ぶNumPy _by Lev Maximov_](https://betterprogramming.pub/3b1d4976de1d?sk=57b908a77aa44075a49293fa1631dd9b)
+- [科学技術向けPythonレクチャー](https://lectures.scientific-python.org/) NumPyだけでなく、科学技術用のPythonソフトウェアエコシステムを広く紹介しています。
+- [NumPy: 初心者のための基礎](https://numpy.org/devdocs/user/absolute_beginners.html)
+- [NumPy チュートリアル _by Nicolas Rougier_](https://github.com/rougier/numpy-tutorial)
+- [スタンフォード大学 CS231 _by Justin Johnson_](http://cs231n.github.io/python-numpy-tutorial/)
+- [NumPyユーザーガイド](https://numpy.org/devdocs)
- **チュートリアル**
+ **書籍**
-* [NumPガイド *Travelis E. Oliphant著*](http://web.mit.edu/dvp/Public/numpybook.pdf) これは2006年の無料版の初版です 最新版(2015年)については、こちら [を参照ください](https://www.barnesandnoble.com/w/guide-to-numpy-travis-e-oliphant-phd/1122853007).
-* [PythonにおけるNumPy (発展編)](https://www.labri.fr/perso/nrougier/from-python-to-numpy/)
-* [エレガントなSciPy](https://www.amazon.com/Elegant-SciPy-Art-Scientific-Python/dp/1491922877) *Juan Nunez-Iglesias・Stefan van der Walt・Harriet Dashnow 著*
+- [NumPガイド _Travelis E. Oliphant著_](http://web.mit.edu/dvp/Public/numpybook.pdf) これは2006年の無料版の初版です。 最新のバージョンについては、 [こちら](https://dl.acm.org/doi/10.5555/2886196) を参照してください。
+- [Python から NumPy へ _Nicolas P. Rougier_] (https://www.labri.fr/perso/nrougier/from-python-to-numpy/)
+- [エレガントなSciPy](https://www.amazon.com/Elegant-SciPy-Art-Scientific-Python/dp/1491922877) _Juan Nunez-Iglesias・Stefan van der Walt・Harriet Dashnow 著_
また、「Python+SciPy」を題材にした[推薦本リスト](https://www.goodreads.com/shelf/show/python-scipy) もチェックしてみてください。 ほとんどの本にはNumPyを核とした「SciPyエコシステム」が説明されています。
**動画**
-* [NumPy を使った数値計算入門](http://youtu.be/ZB7BZMhfPgk) *by Alex Chabot-Leclerc*
+- [NumPy を使った数値計算入門](http://youtu.be/ZB7BZMhfPgk) _by Alex Chabot-Leclerc_
***
@@ -42,35 +42,35 @@ NumPyについての資料は多数存在しています。 初心者の方に
高度なインデックス指定、分割、スタッキング、線形代数など、NumPyの概念をより深く理解するためには、これらの上級者向け資料を試してみてください。
- **書籍**
+ **チュートリアル**
-* https://www.tutorialspoint.com/numpy/numpy_advanced_indexing.htm
-* [NumPyとSciPyへのイントロダクション](https://engineering.ucsb.edu/~shell/che210d/numpy.pdf) *M. Scott Shell著*
-* [NumPy救急キット](http://mentat.za.net/numpy/numpy_advanced_slides/) *Stéfan van der Walt著*
-* [NumPyチュートリアル](https://numpy.org/numpy-tutorials)で、いくつかのチュートリアルと教育的資料を見ることができます。 このページのゴールは、NumPyプロジェクトによる質のいい資料を提供することです。 自習と講義形式の両方を想定しており、Jupyterノートブック形式で提供されます。 もしあなた自身の資料を追加することに興味がある場合、[Github上のnumpy-tutorialsリポジトリ](https://github.com/numpy/numpy-tutorials)をチェックしてみて下さい。
+- [NumPy 演習100本ノック](http://www.labri.fr/perso/nrougier/teaching/numpy.100/index.html) _Nicolas P. Rougier_
+- [NumPyとSciPy入門](https://engineering.ucsb.edu/~shell/che210d/numpy.pdf) _M. Scott Shell_
+- [NumPy救急キット](http://mentat.za.net/numpy/numpy_advanced_slides/) _Stéfan van der Walt_
+- [NumPyチュートリアル](https://numpy.org/numpy-tutorials) Jupyter Notebook 形式で作成され、NumPy ドキュメントチームによって開発・管理されているチュートリアルおよび教育用資料のコレクションです。 もし独自のコンテンツを追加したい場合は、[GitHubのnumpy-tutorialリポジトリ](https://github.com/numpy/numpy-tutorials)を参照してください。
- **チュートリアル**
+ **書籍**
-* [Pythonデータサイエンスハンドブック](https://www.amazon.com/Python-Data-Science-Handbook-Essential/dp/1491912057) *Jake Vanderplas著*
-* [Pythonデータ解析](https://www.amazon.com/Python-Data-Analysis-Wrangling-IPython/dp/1491957662) *Wes McKinney著*
-* [数値解析Python: NumPy, SciPy, Matplotlibによる数値計算とデータサイエンスアプリケーション](https://www.amazon.com/Numerical-Python-Scientific-Applications-Matplotlib/dp/1484242459) *Robert Johansson著*
+- [Pythonデータサイエンスハンドブック](https://www.amazon.com/Python-Data-Science-Handbook-Essential/dp/1491912057) _Jake Vanderplas著_
+- [Pythonによるデータ解析](https://www.amazon.com/Python-Data-Analysis-Wrangling-IPython/dp/1491957662) _Wes McKinney著_
+- [Pythonによる数値解析: NumPy, SciPy, Matplotlibによる数値計算とデータサイエンスアプリケーション](https://www.amazon.com/Numerical-Python-Scientific-Applications-Matplotlib/dp/1484242459) _Robert Johansson著_
- **書籍**
+ **動画**
-* [アドバンスドNumPy - ブロードキャストルール・ストライド・高度なインデックス指定](https://www.youtube.com/watch?v=cYugp9IN1-Q) *Fan Nunuz-Iglesias著*
+- [アドバンスドNumPy - ブロードキャストルール・ストライド・高度なインデックス指定](https://www.youtube.com/watch?v=cYugp9IN1-Q) _Fan Nunuz-Iglesias著_
***
## NumPyに関する講演
-* [NumPyにおけるインデックス指定の未来](https://www.youtube.com/watch?v=o0EacbIbf58) *Jaime Fernadezによる* (2016)
-* [Pythonにおける配列計算の進化](https://www.youtube.com/watch?v=HVLPJnvInzM&t=10s) *Ralf Gommersによる* (2019)
-* [NumPy: 今までどう変わってきて、今後どう変わっていくのか？ ](https://www.youtube.com/watch?v=YFLVQFjRmPY) *Matti Picusによる* (2019)
-* [NumPyの内部](https://www.youtube.com/watch?v=dBTJD_FDVjU) *Ralf Gommers, Sebastian Berg, Matti Picus, Tyler Reddy, Stefan van der Walt, Charles Harrisによる* (2019)
-* [Pythonにおける配列計算の概要](https://www.youtube.com/watch?v=f176j2g2eNc) *Travis Oliphantによる* (2019)
+- [NumPyにおけるインデクシングの未来](https://www.youtube.com/watch?v=o0EacbIbf58) _Jaime Fernadez_ (2016)
+- Pythonにおける配列計算の進化 _Ralf Gommers_ (2019)
+- [NumPy: 今までどう変わってきて、今後どう変わっていくのか？ ](https://www.youtube.com/watch?v=YFLVQFjRmPY) _Matti Picus_ (2019)
+- [NumPyの内部](https://www.youtube.com/watch?v=dBTJD_FDVjU) _Ralf Gommers, Sebastian Berg, Matti Picus, Tyler Reddy, Stefan van der Walt, Charles Harris_ (2019)
+- [Pythonにおける配列計算の概要](https://www.youtube.com/watch?v=f176j2g2eNc) _Travis Oliphant_ (2019)
***
-## NumPyを引用する
+## 引用する
もし、あなたの研究においてNumPyが重要な役割を果たし、論文でこのプロジェクトについて言及したい場合は、こちらの[ページ](/ja/citing-numpy)を参照して下さい。
diff --git a/content/ja/news.md b/content/ja/news.md
index 33c10a9546..a3c624e1e4 100644
--- a/content/ja/news.md
+++ b/content/ja/news.md
@@ -1,93 +1,109 @@
---
title: ニュース
sidebar: false
-newsHeader: "NumPy 1.26.0 がリリースされました。"
-date: 2024-08-18
+newsHeader: NumPy 1.26.0 がリリースされました。
+date: 2023-09-16
---
-### NumPy 1.26.0 がリリースされました。
+### NumPy 2.2.0 がリリースされました。
+
+_2024年12月8日_ -- NumPy 2.2.0のリリースは通常の一年に二回のサイクルのリリースです。 今回のリリースでは、いくつかの小さなコードクリーンアップや、StringDTypeの改善、そしてPythonのフリースレッドに対するサポートの向上を実施しています。 このリリースの目玉機能は下記の通りです。
-_2024 Aug, 2024_ -- Numpy 2.1.0 は Python 3.13 をサポートし、Python 3.9をサポート外としました。 今回のリリースは通常のバグ修正やPythonサポートの更新に加えて、NumPyが2.0の長期開発を経て、通常のリリースサイクルに戻るためのリリースでもあります。 今回のリリースのハイライトは下記の通りです。
+- 新しい関数である`matvec`と`vecmat`の追加
+- 多数のアノテーションの改善
+- 新しいStringDTypeのサポートの改善
+- Pythonのフリースレッドサポートの改善
+- f2pyの修正
-- Python 3.12.0 のサポート
-- 多くの期限切れの非推奨(Deprecation)の削除
-- Array-api 2023.12 標準のサポート
+今回のリリースでは Python のバージョン 3.10から3.13 がサポートされています。
+
+### NumPy 1.26.0 がリリースされました。
-このリリースでは、Pythonのバージョン 3.10-3.13 がサポートされています。
+_2024 Aug, 2024_ -- Numpy 2.1.0 は Python 3.13 をサポートし、Python 3.9をサポート外としました。 今回のリリースは通常のバグ修正やPythonサポートの更新に加えて、NumPyが2.0の長期開発を経て、通常のリリースサイクルに戻るためのリリースでもあります。 今回のリリースのハイライトは下記の通りです。 今回のリリースは通常のバグ修正やPythonサポートの更新に加えて、NumPyが2.0の長期開発を経て、通常のリリースサイクルに戻るためのリリースでもあります。 今回のリリースのハイライトは下記の通りです。
+- Python 3.12.0 のサポート
+- 多くの期限切れの非推奨(Deprecation)の削除
+- Array-api 2023.12 標準のサポート
+
+Python バージョン 3.10-3.13 か、このリリースでサポートされています。
### 多くの新しい非推奨(Deprecation)の追加
_2024年6月16日_ -- Numpy 2.0.0 は2006年以来のメジャーリリースです。 これは、前回の機能リリースから11か月間の開発の成果であり、1078件のプルリクエストにわたる212人の貢献者の成果となります。 このリリースには、大きく、エキサイティングな新機能と、PythonとCの両方のAPIへの変更が含まれています。 今回のリリースが、通常のマイナーリリースでは実施できなかった互換性を破壊する変更を含んでいます。これには、ABIの破壊、型昇格ルールの変更、および1.26.xでは非推奨警告が出されていなかった可能性のあるAPIの変更が含まれています。 NumPy 2.0の変更に対応する方法に関する主要なドキュメントは次のとおりです。
- [NumPy 2.0移行ガイド](https://numpy.org/devdocs/numpy_2_0_migration_guide.html)
-- [2.0.0 リリース ノート](https://numpy.org/devdocs/release/2.0.0-notes.html)
-- ステータスアップデートお知らせに関する問題: [numpy#24300](https://github.com/numpy/numpy/issues/24300)
+- [2.0.0 リリースノート](https://numpy.org/devdocs/release/2.0.0-notes.html)
+- ステータス更新のお知らせイシューチケット: [numpy#24300](https://github.com/numpy/numpy/issues/24300)
ブログ記事 ["NumPy 2.0: 進化のマイルストーン"](https://blog.scientific-python.org/numpy/numpy2/) は、今回のメジャーバージョンリリースがどのようにして決定されたかについてのストーリーを少し伝えています。
-
### NumPy 1.25.0 リリース
-_ 2024年5月23日_ -- NumPy 2.0が2024年6月16日にリリースされる予定になりました！ このリリースは1年以上かけて我々が準備してきたもので、2006年以来のメジャーリリースとなります。 このリリースで重要なことは、多くの新機能とパフォーマンスの向上に加えて、 このリリースは、 **破壊的な変更** である Python と C API を含む、ABI への変更 が含まれています。 NumPyに依存しているパッケージやエンドユーザーのコードがこのは破壊的変更に適応する必要がある可能性があります。可能であれば、あなたのコードがNumPy `2.0.0rc2`で動作するかどうか確認をお願いします。 **詳細は下記をご覧ください:**
+_2024年5月23日_ -- NumPy 2.0が2024年6月16日にリリースされる予定になりました！ このリリースは1年以上かけて我々が準備してきたもので、2006年以来のメジャーリリースとなります。 このリリースで重要なことは、多くの新機能とパフォーマンスの向上に加えて、 このリリースは、
+**破壊的な変更** である Python と C API を含む、ABI への変更 が含まれています。 NumPyに依存しているパッケージやエンドユーザーのコードがこのは破壊的変更に適応する必要がある可能性があります。可能であれば、あなたのコードがNumPy '2.0.0rc2'で動作するかどうか確認をお願いします。 **詳細は下記をご覧ください:**
- [NumPy 2.0移行ガイド](https://numpy.org/devdocs/numpy_2_0_migration_guide.html)
- [2.0.0 リリースノート](https://numpy.org/devdocs/release/2.0.0-notes.html)
- ステータス更新のお知らせイシューチケット: [numpy#24300](https://github.com/numpy/numpy/issues/24300)
-
### NumFOCUSの年末の資金調達
+
_2023年12月19日_ -- NumFOCUSは、年末キャンペーンでPyCharmチームと協力し、PyCharmライセンスの初回購入に30%の割引を提供しています。 2023年12月23日までのPyCharm購入による1年目の収益は全てNumFOCUSのプログラムに直接寄付されます。
-購入される方はこちらのURLか: https://lp.jetbrains.com/support-data-science/ こちらのクーポンコードを利用してください: ISUPPORTDATASCIENCE
+購入される方はこちらのURLか: https://lp.jetbrains.com/support-data-science/ こちらのクーポンコードを利用してください: ISUPPORTDATASCIENCE
### NumPy 1.20.0 リリース
-_2022年12月18日_ -- [Numpy 1.24.0](https://numpy.org/doc/stable/release/1.24.0-notes.html) がリリースされました。 今回のリリースのハイライトは次のとおりです。
+_2023年9月16日_ -- [NumPy 1.26.0](https://numpy.org/doc/stable/release/1.26.0-notes.html)がリリースされました。 今回のリリースのハイライトは次のとおりです。
-* Python 3.12.0 のサポート
-* Cython 3.0.0 との互換性
-* Mesonビルドシステムの利用
-* SIMD サポートの改善
-* f2py のバグ修正, meson と bind(x) のサポート
-* 更新された BLAS/LAPACK の高速化ライブラリのサポート
+- Python 3.12.0 のサポート
+- Cython 3.0.0 との互換性
+- Mesonビルドシステムの利用
+- SIMD サポートの改善
+- f2py のバグ修正, meson と bind(x) のサポート
+- 更新された BLAS/LAPACK の高速化ライブラリのサポート
-Numpy 1.26.0 は 1.25 からの互換性を保持しています。Mesonビルドシステムへの移行とCython 3.0.0へのサポートが目的のリリースです。 合計20人がこのリリースに貢献し、59個のプルリクエストがマージされました。
+Numpy 1.26.0 は 1.25 からの互換性を保持しています。Mesonビルドシステムへの移行とCython 3.0.0へのサポートが目的のリリースです。
+合計20人がこのリリースに貢献し、59個のプルリクエストがマージされました。
このリリースでサポートされている Python のバージョンは3.9から 3.12 です。
### numpy.orgが日本語とポルトガル語で利用可能になりました
-_2023年4月2日_ -- numpy.orgが2つの言語で利用可能になりました： 日本語とポルトガル語。 熱心なボランティアがいなければ、このプロジェクトは不可能でした：
+_2023年4月2日_ -- numpy.orgが2つの言語で利用可能になりました： 日本語とポルトガル語。 熱心なボランティアがいなければ、このプロジェクトは不可能でした： 熱心なボランティアがいなければ、このプロジェクトは不可能でした：
_ポルトガル語_
-* Melissa Weber Mendonça (melissawm)
-* Ricardo Prins (ricardoprins)
-* Getúlio Silva (getuliosilva)
-* Julio Batista Silva (jbsilva)
-* Alexandre de Siqueira (alexdesiqueira)
-* Alexandre B A Villares (villares)
-* Vini Salazar (vinisalazar)
+
+- Melissa Weber Mendonça (melissawm)
+- Ricardo Prins (ricardoprins)
+- Getúlio Silva (getuliosilva)
+- Julio Batista Silva (jbsilva)
+- Alexandre de Siqueira (alexdesiqueira)
+- Alexandre B A Villares (villares)
+- Vini Salazar (vinisalazar)
_日本語：_
-* Atsushi Sakai (AtsushiSakai)
-* KKunai
-* Tom Kelly (TomKellyGenetics)
-* Yuji Kanagawa (kngwyu)
-* Tetsuo Koyama (tkoyama010)
+
+- Atsushi Sakai (AtsushiSakai)
+- KKunai
+- Tom Kelly (TomKellyGenetics)
+- Yuji Kanagawa (kngwyu)
+- Tetsuo Koyama (tkoyama010)
翻訳インフラストラクチャに関するプロジェクトは、CZIからの資金援助でサポートされています。
-今後も、NumPyのウェブサイトをより多くの言語に翻訳したいと思っています。 もし手伝える場合は、Slack上のNumPy翻訳チームに連絡をお願います: https://join.slack.com/t/numpy-team/shared_invite/zt-1gokbq56s-bvEpo10Ef7aHbVtVFeZv2w. (#translation チャンネルを探してください) (#translation チャンネルを探してください) また、Scientific Pythonエコシステム全体のドキュメントや教育コンテンツのローカライズに取り組む翻訳チームも 立ち上げています。 このプロジェクトにも興味がある場合は、是非Scientific Python Discordに参加してください: https://discord.gg/khWtqY6RKr. (#translation チャンネルを探してください)
+今後も、NumPyのウェブサイトをより多くの言語に翻訳したいと思っています。
+もし手伝える場合は、Slack上のNumPy翻訳チームに連絡をお願います: https://join.slack.com/t/numpy-team/shared_invite/zt-1gokbq56s-bvEpo10Ef7aHbVtVFeZv2w.
+(#translation チャンネルを探してください) (#translation チャンネルを探してください) また、Scientific Pythonエコシステム全体のドキュメントや教育コンテンツのローカライズに取り組む翻訳チームも 立ち上げています。 このプロジェクトにも興味がある場合は、是非Scientific Python Discordに参加してください: https://discord.gg/khWtqY6RKr. (#translation チャンネルを探してください)
### Numpy 1.23.0 リリース
-_2022年1月22日_ -- [Numpy 1.23.0](https://numpy.org/doc/stable/release/1.23.0-notes.html) がリリースされました。 今回のリリースのハイライトは次のとおりです。
+_2023年6月17日_ -- [Numpy 1.25.0](https://numpy.org/doc/stable/release/1.25.0-notes.html) がリリースされました。 今回のリリースの目玉機能は次のとおりです。 今回のリリースのハイライトは次のとおりです。
-* MUSLのサポート。 MUSLのWheelが準備されました。
-* 富士通のC/C++コンパイラサポート
-* einsum でオブジェクト配列がサポートされるようになりました.
-* 行列の置き換え(inplace)掛け算のサポート (`@=`).
+- MUSLのサポート。 MUSLのWheelが準備されました。
+- 富士通のC/C++コンパイラサポート
+- einsum でオブジェクト配列がサポートされるようになりました.
+- 行列の置き換え(inplace)掛け算のサポート (`@=`).
Numpy 1.25. リリースは引き続きdtypeの取り扱いと dtypeのプロモーションを改善し、実行速度を向上させ、 ドキュメントを明確化するための継続的な作業を続けて行く予定です。 将来の NumPy 2.0.0 に向けた準備作業も行われており、 多数の新規および期限切れの機能廃止が可能となってきています。
@@ -99,52 +115,59 @@ Numpy 1.25. リリースは引き続きdtypeの取り扱いと dtypeのプロモ
_2023年5月10日_ -- インクルーシブ・カルチャーの育成: 参加募集
-NumPyプロジェクトの多様性とインクルージョンに関して、我々はどのようなことを実施すればいいでしょうか？ 興味がある方はこちらの [レポート](https://contributor-experience.org/docs/posts/dei-report/) を読んで参加する方法を確認してください。
+NumPyプロジェクトの多様性とインクルージョンに関して、我々はどのようなことを実施すればいいでしょうか？
+[こちら](https://contributor-experience.org/docs/posts/dei-report/) のレポートを読んで、参加する方法を確認してください。
### NumPy ドキュメンテーションチームのリーダーの変更
-_2023年1月6日_ –- Mukulika PahariとRoss Barnowskiは、Melissa MendoncAudioに代わるNumPyドキュメンテーションチームの新しいリーダーとして任命されました。 私たちは、MelissaにNumPyの公式ドキュメントと教育資料に対するすべての貢献に感謝し、MukulikaとRossに新しい役割にステップアップしてもらったことに感謝します。
+_2023年1月6日_ –- Mukulika PahariとRoss Barnowskiは、Melissa MendoncAudioに代わるNumPyドキュメンテーションチームの新しいリーダーとして任命されました。 私たちは、MelissaにNumPyの公式ドキュメントと教育資料に対するすべての貢献に感謝し、MukulikaとRossに新しい役割にステップアップしてもらったことに感謝します。 私たちは、MelissaにNumPyの公式ドキュメントと教育資料に対するすべての貢献に感謝し、MukulikaとRossに新しい役割にステップアップしてもらったことに感謝します。
### NumPy 1.24.0 リリース
-_2021年1月23日_ -- [Numpy 1.21.0](https://numpy.org/doc/stable/release/1.21.0-notes.html) がリリースされました。 今回のリリースのハイライトは下記の通りです。
+_2022年12月18日_ -- [Numpy 1.24.0](https://numpy.org/doc/stable/release/1.24.0-notes.html) がリリースされました。 今回のリリースのハイライトは次のとおりです。
-* スタッキング関数のための新しい"dtype"と"casting"キーワードの追加
-* F2PYの新機能追加とバグ修正
-* 多くの新しい非推奨(Deprecation)の追加
-* 多くの期限切れの非推奨(Deprecation)の削除
+- スタッキング関数のための新しい"dtype"と"casting"キーワードの追加
+- F2PYの新機能追加とバグ修正
+- 多くの新しい非推奨(Deprecation)の追加
+- 多くの期限切れの非推奨(Deprecation)の削除
-Numpy 1.25. リリースは引き続きdtypeの取り扱いと dtypeのプロモーションを改善し、実行速度を向上させ、 ドキュメントを明確化するための継続的な作業を続けて行く予定です。 dtype のプロモーションとクリーンアップの変更により、多数の新規と期限切れの非推奨が存在しています。 今回のリリースは、444個のプルリクエストと177人のコントリビューターによるものです。 サポートされている Python のバージョンは 3.8-3.11 です。
+Numpy 1.25. リリースは引き続きdtypeの取り扱いと dtypeのプロモーションを改善し、実行速度を向上させ、 ドキュメントを明確化するための継続的な作業を続けて行く予定です。
+dtype のプロモーションとクリーンアップの変更により、多数の新規と期限切れの非推奨が存在しています。 今回のリリースは、444個のプルリクエストと177人のコントリビューターによるものです。 サポートされている Python のバージョンは 3.8-3.11 です。
### Numpy 1.26.0 は 1.25 からの互換性を保持しています。
-_2021年12月31日_ -- [Numpy 1.22.0](https://numpy.org/doc/stable/release/1.22.0-notes.html) がリリースされました。 今回のリリースの目玉機能は次のとおりです。
+_2022年6月22日_ -- [Numpy 1.23.0](https://numpy.org/doc/stable/release/1.23.0-notes.html) がリリースされました。 今回のリリースのハイライトは次のとおりです。
-* `loadtxt` がCで実装されたことによる、大幅なパフォーマンス向上
-* より簡単なデータ交換のためのPythonレベルでのDLPackの公開
-* 構造化されたdtypesのプロモーションと比較方法の変更
-* f2pyの改善
+- `loadtxt` がCで実装されたことによる、大幅なパフォーマンス向上
+- より簡単なデータ交換のためのPythonレベルでのDLPackの公開
+- 構造化されたdtypesのプロモーションと比較方法の変更
+- f2pyの改善
-Numpy 1.23. リリースでは引き続きdtypeの取り扱いと dtypeのプロモーションを改善し、実行速度を向上させ、 ドキュメントを明確化するための継続的な作業を続けて行く予定です。 今回のリリースは、494個のプルリクエストと151人のコントリビューターによるものです。 このリリースでサポートされている Python のバージョンは 3.8 - 3.10 です。 Python 3.11がrc ステージに到達すると Python 3.11 もサポートされます。
+Numpy 1.23. リリースでは引き続きdtypeの取り扱いと
+dtypeのプロモーションを改善し、実行速度を向上させ、
+ドキュメントを明確化するための継続的な作業を続けて行く予定です。 今回のリリースは、494個のプルリクエストと151人のコントリビューターによるものです。 このリリースでサポートされている Python のバージョンは 3.8 - 3.10 です。
+Python 3.11がrc ステージに到達すると Python 3.11 もサポートされます。
### NumFOCUS DEI研究への参加募集
-_2022年4月13日_ -- NumPyは、[NumFOCUS](http://numfocus.org/)と協力して、[ある研究プロジェクト](https://numfocus.org/diversity-inclusion-disc/a-pivotal-time-in-numfocuss-project-aimed-dei-efforts?eType=EmailBlastContent&eId=f41a86c3-60d4-4cf9-86cf-58eb49dc968c)を進めており、これは[Gordon & Betty Moore Foundation](https://www.moore.org/)によって資金提供されています。 この研究チームは、新しい貢献者、プロジェクトの開発者およびメンテナー、そして過去に貢献した方々に、NumPyに参加し貢献した経験について話を聞きたいと考えています。
+_2022年4月13日_ -- NumPyは、[NumFOCUS](http://numfocus.org/)と協力して、ある研究プロジェクトを進めており、これはGordon & Betty Moore Foundationによって資金提供されています。 この研究チームは、新しい貢献者、プロジェクトの開発者およびメンテナー、そして過去に貢献した方々に、NumPyに参加し貢献した経験について話を聞きたいと考えています。 この研究チームは、新しい貢献者、プロジェクトの開発者およびメンテナー、そして過去に貢献した方々に、NumPyに参加し貢献した経験について話を聞きたいと考えています。
**あなたの経験を共有することに興味がありますか?**
-もし興味がある場合は、研究目標、プライバシー、および 守秘義務に関する追加情報が記載されている、この簡単な[参加者の興味](https://numfocus.typeform.com/to/WBWVJSqe)フォームに記入をお願いします。 多様で包括的なオープンソースソフトウェアコミュニティの 成長と持続可能性のために、このプロジェクトへのあなたの参加は非常に大きな価値があります。 参加を受け入れられた人は、研究チームメンバーと30分間のインタビューに参加することになります。
+もし興味がある場合は、研究目標、プライバシー、および 守秘義務に関する追加情報が記載されている、この簡単な[参加者の興味分野のアンケート](https://numfocus.typeform.com/to/WBWVJSqe)に記入をお願いします。 多様で包括的なオープンソースソフトウェアコミュニティの 成長と持続可能性のために、このプロジェクトへのあなたの参加は非常に大きな価値があります。 参加を受け入れられた人は、研究チームメンバーと30分間のインタビューに参加することになります。
### NumPy 1.19.2 リリース
-_2023年9月16日_ -- [NumPy 1.26.0](https://numpy.org/doc/stable/release/1.26.0-notes.html)がリリースされました。 今回のリリースの目玉機能は次のとおりです。
+_2021年12月31日_ -- [Numpy 1.22.0](https://numpy.org/doc/stable/release/1.22.0-notes.html) がリリースされました。 今回のリリースのハイライトは次のとおりです。
-* メインの名前空間の型アノテーションは基本的に完了しました。 上流のコードは常に変化するものなので、さらなる改良が必要でしょうが、大きな作業は終わったと考えています。 これはおそらく、今回のリリースで最も目に見える改良でしょう。
-* 以前から提案されていた [array API 標準](https://data-apis.org/array-api/latest/) のベータ版が提供されています ( [NEP 47](https://numpy.org/neps/nep-0047-array-api-standard.html) を参照) 。 これは、CuPy や JAX などのライブラリで使用できる 関数の標準的なコレクションを作成するために必要なステップです。
-* NumPy に DLPack バックエンドが追加されました。 DLPack は、配列(テンソル) データ用の共通のデータ変換フォーマットを提供します。
-* `quantile`, `percentile`, および関連する関数に新しいメソッドが追加されました。 これらの新しいメソッドは、論文で一般的に見られる一通りの処理を提供します。
-* ユニバーサル関数は、[NEP 43](https://numpy.org/neps/nep-0043-extensible-ufuncs.html) の多くを実装するためにリファクタリングされました。 これにより将来の DType API の処理も可能にします。
-* ダウンストリームのプロジェクトで使用するための新しい設定可能なメモリー・アロケーターが追加されました。
+- メインの名前空間の型アノテーションは基本的に完了しました。 上流のコードは常に変化するものなので、さらなる改良が必要でしょうが、大きな作業は終わったと考えています。 これはおそらく、今回のリリースで最も目に見える改良でしょう。
+- 以前から提案されていた [array API 標準](https://data-apis.org/array-api/latest/) のベータ版が提供されています ( [NEP 47](https://numpy.org/neps/nep-0047-array-api-standard.html) を参照) 。 これは、CuPy や JAX などのライブラリで使用できる 関数の標準的なコレクションを作成するために必要なステップです。
+ これは、CuPy や JAX などのライブラリ間で使用できる標準的な関数コレクションを作成するための第一歩です。
+- NumPy に DLPack バックエンドが追加されました。 DLPack は、配列（テンソル）データの共通な交換フォーマットを提供します。
+- `quantile`, `percentile`, および関連する関数に新しいメソッドが追加されました。 これらの新しいメソッドは、論文で一般的に見られる一通りの処理を提供します。 新しい関数では、文献で一般的に見られる方法と同様の関数群を提供します。
+- ユニバーサル関数は、[NEP 43](https://numpy.org/neps/nep-0043-extensible-ufuncs.html) の多くを実装するためにリファクタリングされました。 これにより将来の DType API の処理も可能にします。
+ これにより将来の DType API の処理も可能にします。
+- ダウンストリームのプロジェクトで使用するための新しい設定可能なメモリー・アロケーターが追加されました。
NumPy 1.22.0は、153人の貢献者が609のプルリクエストを作成した 非常に大きなリリースです。 このリリースでサポートされている Python のバージョンは 3.8 - 3.10 です。
@@ -152,24 +175,25 @@ NumPy 1.22.0は、153人の貢献者が609のプルリクエストを作成し
_ 2021年8月31日_ -- この度、Chan Zuckerberg Initiativeより、科学的なPythonプロジェクトにおいて、歴史的に疎外されてきたグループの人々のオンボーディング、インクルージョン、リテンションを支援し、NumPy、SciPy、Matplotlib、Pandasのコミュニティダイナミクスを構造的に改善するための [ 助成金を授与されました ](https://chanzuckerberg.com/newsroom/czi-awards-16-million-for-foundational-open-source-software-tools-essential-to-biomedicine/) ことをお知らせします。
-[ CZIのEssential Open Source Software for Scienceプログラム ](https://chanzuckerberg.com/eoss/)の一環として、この[ Diversity & Inclusion補助金 ](https://cziscience.medium.com/advancing-diversity-and-inclusion-in-scientific-open-source-eaabe6a5488b)は、開けたなオープンソースコミュニティを育成するためにやるべきことを特定したり、文書化したり、実施したりするためのコントリビュータ体験のリーダー専任職の創設を支援することになります。 このプロジェクトは、Melissa Mendonça (NumPy) が中心となって、下記の方々の追加のメンタリングとサポートにより実施されます。 Ralf Gommers (NumPy、SciPy)、Hannah AizenmanとThomas Caswell (Matplotlib)、Matt Haberland (SciPy)、そして Joris Van den Bossche (Pandas)。
+[ CZIのEssential Open Source Software for Scienceプログラム ](https://chanzuckerberg.com/eoss/)の一環として、この[ Diversity & Inclusion補助金 ](https://cziscience.medium.com/advancing-diversity-and-inclusion-in-scientific-open-source-eaabe6a5488b)は、開けたなオープンソースコミュニティを育成するためにやるべきことを特定したり、文書化したり、実施したりするためのコントリビュータ体験のリーダー専任職の創設を支援することになります。 このプロジェクトは、Melissa Mendonça (NumPy) が中心となって、下記の方々の追加のメンタリングとサポートにより実施されます。 Ralf Gommers (NumPy、SciPy)、Hannah AizenmanとThomas Caswell (Matplotlib)、Matt Haberland (SciPy)、そして Joris Van den Bossche (Pandas)。 このプロジェクトは、Melissa Mendonça (NumPy) が中心となって、下記の方々の追加のメンタリングとサポートにより実施されます。 Ralf Gommers (NumPy、SciPy)、Hannah AizenmanとThomas Caswell (Matplotlib)、Matt Haberland (SciPy)、そして Joris Van den Bossche (Pandas)。
このプロジェクトは私たちのOSSプロジェクトのコミュニティダイナミクスを構造的に改善する方法を発見し、実施することを目指す野心的なプロジェクトです。 このような複数のプロジェクトの横断的な役割を確立することで、Scientific Pythonコミュニティに新しいコラボレーションモデルを導入し、エコシステム内のコミュニティ構築作業をより効率的に、より大きな成果を生めるようにしたいと考えています。 特にこのプロジェクトにより、歴史的にこれまで代表的ではなかったグループからの新しいコントリビュータを引き付け、貢献を維持するために、何がうまくいき、何がうまくいかないかを、より明確に把握できるようになると期待しています。 最後に、実施したアクションについて詳細な報告書を作成し、プロジェクトの代表者やコミュニティとの交流の面で、プロジェクトにどのような影響を与えたかを説明する予定です。
-2021年11月から2年間のプロジェクトが始まると予想されており、このプロジェクトの成果を楽しみにしています! このプロジェクトの提案書に関しては、[こちら](https://figshare.com/articles/online_resource/Advancing_an_inclusive_culture_in_the_scientific_Python_ecosystem/16548063) から全文を読むことができます.
+2021年11月から2年間のプロジェクトが始まると予想されており、このプロジェクトの成果を楽しみにしています!
+このプロジェクトの提案書に関しては、[こちら](https://figshare.com/articles/online_resource/Advancing_an_inclusive_culture_in_the_scientific_Python_ecosystem/16548063) から全文を読むことができます.
### 2021年度NumPyアンケート
-_2021年7月12日_ -- NumPy ではコミュニティの力を信じています。 昨年の第1回アンケートには、75カ国から1,236名のNumPyユーザーが参加してくれました。 この調査結果により、今後12ヶ月間、私たちがどのようなことに集中すべきかを、非常に良く理解することができました。
+_July 12, 2021_ -- At NumPy, we believe in the power of our community. 昨年の第1回アンケートには、75カ国から1,236名のNumPyユーザーが参加してくれました。
+この調査結果により、今後12ヶ月間、私たちがどのようなことに集中すべきかを、非常に良く理解することができました。
今年もアンケートの時間が来ました。もう一度アンケートへの回答をお願いいたします。 アンケートへの回答は15分ほどで終了します。 アンケートは英語以外にも、ベンガル語、フランス語、ヒンディー語、日本語、マンダリン、ポルトガル語、ロシア語、スペイン語の8ヶ国語に対応しています。
こちらのリンク先から、アンケートを始めることができます: https://berkeley.qualtrics.com/jfe/form/SV_aaOONjgcBXDSL4q.
-
### Numpy 1.18.0 リリース
-_2023年1月17日_ -- [Numpy 1.25.0](https://numpy.org/doc/stable/release/1.25.0-notes.html) がリリースされました。 今回のリリースの目玉機能は次のとおりです。
+_2021年1月23日_ -- [Numpy 1.21.0](https://numpy.org/doc/stable/release/1.21.0-notes.html) がリリースされました。 今回のリリースのハイライトは下記の通りです。 今回のリリースのハイライトは次のとおりです。
- より多くの機能やプラットフォームをカバーするためのSIMD関連の改善が実施されました。
- dtypeのための新しいインフラとキャストの準備
@@ -180,87 +204,101 @@ _2023年1月17日_ -- [Numpy 1.25.0](https://numpy.org/doc/stable/release/1.25.0
今回のNumpy リリースは、175人による581件のプルリクエストのマージの結果です。 このリリースでサポートされている Python のバージョンは 3.7-3.9 です。 Python 3.10 がリリースされた後、Python 3.10 のサポートが追加されます。
-
### 2020年度 NumPy アンケート結果
-_2021年6月22日_ -- NumPyの調査チームは、2020年に 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から確認できます。 https://numpy.org/user-survey-2020/
-
+_2021年6月22日_ -- NumPyの調査チームは、2020年に 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から確認できます。 https://numpy.org/user-survey-2020/ アンケートの結果はこちらから確認できます。 https://numpy.org/user-survey-2020/
### NumPy 1.19.2 リリース
-_2021年1月30日_ -- [NumPy 1.20.0](https://numpy.org/doc/stable/release/1.20.0-notes.html) がリリースされました。 今回のリリースは180 人以上のコントリビューターのおかげで、これまでで最大の NumPyのリリースとなりました。 最も重要な2つの新機能は次のとおりです。
+_Jan 30, 2021_ -- [NumPy 1.20.0](https://numpy.org/doc/stable/release/1.20.0-notes.html)
+is now available. 今回のリリースは180 人以上のコントリビューターのおかげで、これまでで最大の NumPyのリリースとなりました。 最も重要な2つの新機能は次のとおりです。
+
- NumPyの大部分のコードに型注釈が追加されました。 そして新しいサブモジュールである`numpy.typing`が追加されました。 このサブモジュールは`ArrayLike` や`DtypeLike`という型注釈のエイリアスが定義されており、これによりユーザーやダウンストリームのライブラリはこの型注釈を使うことができます。
-- X86(SSE、AVX)、ARM64(Neon)、およびPowerPC (VSX) 命令をサポートするマルチプラットフォームSIMDコンパイラの最適化が実施されました。 これにより、多くの関数で大きく パフォーマンスが向上しました (例: [sin/cos](https://github.com/numpy/numpy/pull/17587), [einsum](https://github.com/numpy/numpy/pull/18194)).
+- X86(SSE、AVX)、ARM64(Neon)、およびPowerPC (VSX) 命令をサポートするマルチプラットフォームSIMDコンパイラの最適化が実施されました。 これにより、多くの関数で大きく パフォーマンスが向上しました (例: [sin/cos](https://github.com/numpy/numpy/pull/17587), [einsum](https://github.com/numpy/numpy/pull/18194)). This yielded significant
+ performance improvements for many functions (examples:
+ [sin/cos](https://github.com/numpy/numpy/pull/17587),
+ [einsum](https://github.com/numpy/numpy/pull/18194)).
### NumPyプロジェクトの多様性
_2020年9月20日に_ 、私たちは[ NumPyプロジェクトにおけるダイバーシティやインクルージョンの状況や、ソーシャルメディア上での議論についての宣言 ](/diversity_sep2020)について書きました。
-
### Natureに初の公式NumPy論文が掲載されました!
-_2020年9月16日_ -- NumPyに関する [ 最初の公式の論文 ](https://www.nature.com/articles/s41586-020-2649-2)がNatureに査読付き論文として掲載されました。 これはNumPy 1.0のリリースから14年後のことになりました。 この論文では、配列プログラミングのアプリケーションと基本的なコンセプト、NumPyの上に構築された様々な科学的Pythonエコシステム、そしてCuPy、Dask、JAXのような外部の配列およびテンソルライブラリとの相互運用を容易にするために最近追加された配列プロトコルについて説明しています。
-
+_Sep 16, 2020_ -- We are pleased to announce the publication of
+[the first official paper on NumPy](https://www.nature.com/articles/s41586-020-2649-2)
+as a review article in Nature. これはNumPy 1.0のリリースから14年後のことになりました。
+この論文では、配列プログラミングのアプリケーションと基本的なコンセプト、NumPyの上に構築された様々な科学的Pythonエコシステム、そしてCuPy、Dask、JAXのような外部の配列およびテンソルライブラリとの相互運用を容易にするために最近追加された配列プロトコルについて説明しています。
### Python 3.9のリリースに伴い、いつNumPyのバイナリwheelがリリースされるのですか？
-_2020年9月14日_ -- Python 3.9 は数週間後にリリースされる予定です。 もしあなたが新しいPythonのバージョンをいち早く利用している場合、NumPy（およびSciPyのような他のパッケージ）がリリース当日にバイナリwheelを用意していないことを知ってがっかりしたかもしれませんね。 ビルド用のインフラを新しいPythonのバージョンに適応させるのは非常に大変な作業で、PyPIやconda-forgeにパッケージが掲載されるまでには通常数週間かかります。 今後のwheelのリリースに備えて、以下を確認してください。
+_2020年9月14日_ -- Python 3.9 は数週間後にリリースされる予定です。 もしあなたが新しいPythonのバージョンをいち早く利用している場合、NumPy（およびSciPyのような他のパッケージ）がリリース当日にバイナリwheelを用意していないことを知ってがっかりしたかもしれませんね。 ビルド用のインフラを新しいPythonのバージョンに適応させるのは非常に大変な作業で、PyPIやconda-forgeにパッケージが掲載されるまでには通常数週間かかります。 今後のwheelのリリースに備えて、以下を確認してください。 もしあなたが新しいPythonのバージョンをいち早く利用している場合、NumPy（およびSciPyのような他のパッケージ）がリリース当日にバイナリwheelを用意していないことを知ってがっかりしたかもしれませんね。 ビルド用のインフラを新しいPythonのバージョンに適応させるのは非常に大変な作業で、PyPIやconda-forgeにパッケージが掲載されるまでには通常数週間かかります。 今後のwheelのリリースに備えて、以下を確認してください。
+
- `pip` が`manylinux2010` と `manylinux2014` をサポートするためにpipを少なくともバージョン 20.1 に更新する。
- [`--only-binary=numpy`](https://pip.pypa.io/en/stable/reference/pip_install/#cmdoption-only-binary) または `--only-binary=:all:` を`pip`がソースからビルドしようとするのを防ぐために使用します。
-
### NumPy 1.19.2 リリース
+_Sep 10, 2020_ -- NumPy
+1.19.2 is now available.
_2020年9月10日_ -- [NumPy 19.2.0](https://numpy.org/devdocs/release/1.19.2-notes.html) がリリースされました。 この 1.19 シリーズの最新リリースでは、いくつかのバグが修正され、[ 来るべき Cython 3.xリリース ](http:/docs.cython.orgenlatestsrcchanges.html)への準備が行われ、アップストリームの修正が進行中の間も distutils の動作を維持するためのsetuptoolsのバージョンの固定が実施されています。 aarch64 wheelは最新のmanylinux2014リリースでビルドされており、異なるLinuxディストリビューションで使用される異なるページサイズの問題が修正されています。
+aarch64 wheelは最新のmanylinux2014リリースでビルドされており、異なるLinuxディストリビューションで使用される異なるページサイズの問題が修正されています。
### 初めてのNumPyの調査が公開されました!!
-_2020年7月2日_ -- このアンケート調査は、NumPyにおける、ソフトウェアとしてとコミュニティの両方における意思決定の指針となり、優先順位を決定する役に立ちました。 この調査結果は英語以外のこれらの8つの言語で利用可能です: バングラ, ヒンディー語, 日本語, マンダリン, ポルトガル語, ロシア語, スペイン語とフランス語.
+_Jul 2, 2020_ -- This survey is meant to guide and set priorities for
+decision-making about the development of NumPy as software and as a community.
+この調査結果は英語以外のこれらの8つの言語で利用可能です: バングラ, ヒンディー語, 日本語, マンダリン, ポルトガル語, ロシア語, スペイン語とフランス語.
NumPy をより良くするために、こちらの \[アンケート\](https://umdsurvey. umd. edu/jfe/form/SV_8bJrXjbhXf7saAl) に協力してもらえると助かります。
-
### NumPy に新しいロゴができました!
_2020年6月24日_ -- NumPyのロゴが新しくなりました:
-
+