Add translations for Japanese

content/ja/404.md

@@ -5,4 +5,4 @@ sidebar: false
 
 おっとっと！ 間違った所にアクセスしているようです。
 
-何かがここにページがあるべきだと思ったら、GitHub で [issue](https://github.com/numpy/numpy.org/issues) を作成してください。 
+何かここに追加すべき項目がある場合は、GitHub で [イシューチケット](https://github.com/numpy/numpy.org/issues) を作成を作成してください。

content/ja/_index.md

@@ -22,9 +22,8 @@ NumPyは、様々な数学関数、乱数生成器、線形代数ルーチン、
 type = 'card'
 title = 'オープンソース'
 body = '''
-NumPyは、寛容な[BSDライセンス](https://github.com/numpy/numpy/blob/main/LICENSE.txt)で公開されています。NumPyは活発で、互いを尊重し、多様性を認め合う[コミュニティ](/ja/community)によって、 [GitHub](https://github.com/numpy/numpy)上でオープンに開発されていま
+NumPyは、寛容な[BSDライセンス](https://github.com/numpy/numpy/blob/main/LICENSE.txt)で公開されています。NumPyは活発で、互>いを尊重し、多様性を認め合う[コミュニティ](/ja/community)によって、 [GitHub](https://github.com/numpy/numpy)上でオープンに開発されていま
 す.
-'''
 
 [[item]]
 type = 'card'
@@ -40,7 +39,7 @@ title = '高パフォーマンス'
 body = '''
 NumPyの大部分は最適化されたC言語のコードで構成されています。これによりPythonの柔軟性とコンパイルされたコードの高速性の両方
 を享受できます。
-'''
+''' コンパイルされたコードのスピードでの Python の柔軟性をお楽しみください。
 
 [[item]]
 type = 'card'
@@ -49,4 +48,4 @@ body = '''
 NumPyの高水準なシンタックスは、どんなバックグラウンドや経験を持つのプログラマーでも簡単に利用することができ、生産性を高め>ることができます。
 '''
 
-{{< /grid >}}
+{{< /grid>}}

content/ja/about.md

@@ -1,12 +1,11 @@
 ---
-title: 私たちについて
+title: 私達について
 sidebar: false
 ---
 
-NumPy は、Python で数値計算を可能にするためのオープンソースプロジェクトです。 NumPyは、NumericやNumarrayといった初期のライブラリのコードをもとに、2005年から開発が開始されました。 NumPyは完全にオープンソースなソフトウェアです。 そして、NumPyは[修正BSD ライセンス](https://github.com/numpy/numpy/blob/main/LICENSE.txt) の条項の下で、すべての人が利用可能です。
-
-NumPy は 、NumPyコミュニティやより広範な科学計算用Python コミュニティとの合意のもと、GitHub 上でオープンに開発されています。 NumPyのガバナンス方法の詳細については、 [Governance Document](https://www.numpy.org/devdocs/dev/governance/index.html) をご覧ください。
+NumPy は、Python で数値計算を可能にするためのオープンソースプロジェクトです。 NumPyは、NumericやNumarrayといった初期のライブラリのコードをもとに、2005年から開発が開始されました。 NumPyは完全にオープンソースなソフトウェアです。 このソフトウェアは[修正BSDライセンス](https://github.com/numpy/numpy/blob/main/LICENSE.txt)のリベラルな条項の下で公開されています。
 
+NumPy は 、NumPyコミュニティやより広範な科学計算用Python コミュニティとの合意のもと、GitHub 上でオープンに開発されています。 私たちのガバナンスの取り組みについて詳しくは[ガバナンス文章](https://www.numpy.org/devdocs/dev/governance/index.html)をご覧ください。
 
 ## 運営委員会
 
@@ -15,29 +14,31 @@ Numpy運営委員会はこのプロジェクトの管理組織です。 その
 - Sebastian Berg
 - Ralf Gommers
 - Charles Harris
-- Stephan Hoyer
 - Inessa Pawson
 - Matti Picus
 - Stéfan van der Walt
 - Melissa Weber Mendonça
+- Marten van Kerkwijk
 - Eric Wieser
 
 過去のメンバー
 
 - Alex Griffing (2015-2017)
 - Allan Haldane (2015-2021)
-- Marten van Kerkwijk (2017-2019)
 - Travis Oliphant (プロジェクト創設者, 2005-2012)
 - Nathaniel Smith (2012-2021)
 - Julian Taylor (2013-2021)
 - Jaime Fernández del Río (2014-2021)
 - Pauli Virtanen (2008-2021)
+- Eric Wieser (2017-2025)
+- Stephan Hoyer (2017-2025)
 
 Numpy運営委員会に連絡するには、[email protected]までメールしてください。
 
 ## チーム
 
-Numpy プロジェクトのコアメンバーは、プロジェクトへの貢献の方法の多様化に積極的に取り組んでいます。 <br> Numpyには現在以下のチームがあります:
+NumPyプロジェクトのコアメンバーは、プロジェクトへの貢献の方法の多様化に積極的に取り組んでいます。 <br> NumPyには現在以下のチームがあります
+NumPy には現在、以下のチームがあります:
 
 - 開発
 - ドキュメント
@@ -49,22 +50,20 @@ Numpy プロジェクトのコアメンバーは、プロジェクトへの貢
 - 最適化
 - 資金と助成金
 
-個々のチームメンバーについては、 [チーム](teams/) のページを参照してください。
+詳細については[チーム](/teams) ページを参照してください。
 
 ## NumFOCUSサブ委員会
 
 - Charles Harris
 - Ralf Gommers
-- Melissa Weber Mendonça
+- Inessa Pawson
 - Sebastian Berg
 - 外部メンバー: Thomas Caswell
 
 ## スポンサー情報
 
-NumPyは以下の団体から直接資金援助を受けています。
 {{< sponsors >}}
 
-
 ## パートナー団体
 
 パートナー団体は、NumPyへの開発を仕事の一つとして、社員を雇っている団体です。 現在のパートナー団体としては、下記の通りです。
@@ -75,16 +74,15 @@ NumPyは以下の団体から直接資金援助を受けています。
 
 {{< partners >}}
 
-
 ## 寄付
 
 NumPy があなたの仕事や研究、ビジネスで役に立った場合、できる範囲で良いので、是非、NumPyプロジェクトへの寄付を検討して頂けると助かります。 少額の寄付でも大きな助けになります。 すべての寄付は、NumPyのオープンソースソフトウェア、ドキュメント、コミュニティの開発のために使用されることが約束されています。
 
-NumPy は NumFOCUS にスポンサーされたプロジェクトであり、米国の 501(c)(3) 非営利の慈善団体でもあります。 NumFOCUSは、NumPyプロジェクトに財政、法務、管理面でのサポートを提供し、プロジェクトの安定と持続可能性を保つ手助けをしています。 詳細については、 [numfocus.org](https://numfocus.org) をご覧ください。
+NumPy は NumFOCUS にスポンサーされたプロジェクトであり、米国の 501(c)(3) 非営利の慈善団体でもあります。 NumFOCUSは、NumPyプロジェクトに財政、法務、管理面でのサポートを提供し、プロジェクトの安定と持続可能性を保つ手助けをしています。 詳細については、[numfocus.org](https://numfocus.org) をご覧ください。
 
-NumPy への寄付は [NumFOCUS](https://numfocus.org) によって管理されています。 米国の寄付提供者の場合、その人の寄付は法律によって定められる範囲で免税されます。 但し、他の寄付と同様に、あなたはあなたの税務状況について、あなたの税務担当と相談する必要があることを忘れないで下さい。
+NumPyへの寄付は [NumFOCUS](https://numfocus.org) によって管理されています。 米国の寄付提供者の場合、その人の寄付は法律によって定められる範囲で免税されます。 但し、他の寄付と同様に、あなたはあなたの税務状況について、あなたの税務担当と相談する必要があることを忘れないで下さい。
 
-NumPyの運営委員会は、受け取った資金をどのように使えば良いかを検討し、使用する方法について決定します. NumPyに関する技術とインフラの投資の優先順位に関しては、[NumPy Roadmap](https://www.numpy.org/neps/index.html#roadmap) に記載されています。
+NumPyの運営委員会は、受け取った資金をどのように使えば良いかを検討し、使用する方法について決定します. NumPyの技術とインフラへの投資の優先順位に関しては、[NumPyロードマップ](https://www.numpy.org/neps/index.html#roadmap) に記載されています。
 
 {{<opencollective>}}
 

content/ja/arraycomputing.md

@@ -3,19 +3,20 @@ title: 配列演算
 sidebar: false
 ---
 
-*配列演算は統計、数学、科学計算の基礎です。可視化、信号処理、画像処理、生命情報学、機械学習、人工知能など、現代のデータサイエンスやデータ分析の様々な分野で配列演算は中核を担っています。*
+_配列演算は統計、数学、科学計算の基礎です。可視化、信号処理、画像処理、生命情報学、機械学習、人工知能など、現代のデータサイエンスやデータ分析の様々な分野で配列演算は中核を担っています。_
 
 大規模なデータ処理やデータ変換には、効率的な配列演算が重要です。 データ分析や、機械学習、効率的な数値計算に最適な言語のひとつは **Python** です。
 
 **Num**erical **Py**thon: NumPyは、Pythonにおけるデファクトスタンダードなライブラリであり、大規模な多次元配列や行列、そして、それらの配列を処理する様々な分野の数学ルーチンをサポートしています。
 
-2006年にNumPyが発表されてから、2008年にPandasが登場し、その後、数年間にいくつかの配列演算関連のライブラリが次々と現れるようになりました。 これらの新しい配列演算ライブラリの多くは、NumPyの機能や能力を模倣しており、機械学習や人工知能向けの新しいアルゴリズムや機能を持っています。
+2006年にNumPyが発表されてから、2008年にPandasが登場し、その後、数年間にいくつかの配列演算関連のライブラリが次々と現れるようになりました。
+これらの新しい配列演算ライブラリの多くは、NumPyの機能や能力を模倣しており、機械学習や人工知能向けの新しいアルゴリズムや機能を持っています。
 
 <img
-  src="/images/content_images/array_c_landscape.png"
-  alt="arraycl"
-  title="配列演算の概略" />
+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。