diff --git a/404/index.html b/404/index.html index 74050d83..50bb1a01 100644 --- a/404/index.html +++ b/404/index.html @@ -1,6 +1,5 @@ -NumPy - 404 -

404

Oops! You’ve reached a dead end.

If you think something should be here, you can open an issue on GitHub.

On this page
\ No newline at end of file diff --git a/about/index.html b/about/index.html index 8e9b458e..411c0c63 100644 --- a/about/index.html +++ b/about/index.html @@ -1,6 +1,5 @@ -NumPy - About Us -

About Us

NumPy is an open source project that enables numerical computing with Python. It was created in 2005 building on the early work of the Numeric and Numarray libraries. NumPy will always be 100% open source software and free for all to use. It is released under the liberal terms of the modified BSD license.

NumPy is developed in the open on GitHub, through the consensus of the NumPy and wider scientific Python community. For more information on our governance approach, please see our Governance Document.

Steering Council#

The NumPy Steering Council is the project’s governing body. Its role is to ensure, through working with and serving the broader NumPy community, the long-term sustainability of the project, both as a software package and community. The NumPy Steering Council currently consists of the following members (in alphabetical order, by last name):

Emeritus:

To contact the NumPy Steering Council, please email numpy-team@googlegroups.com.

Teams#

The NumPy project leadership is actively working on diversifying contribution pathways to the project.
NumPy currently has the following teams:

See the Team page for more info.

NumFOCUS Subcommittee#

Sponsors#

NumPy receives direct funding from the following sources:

Institutional Partners#

Institutional Partners are organizations that support the project by employing people that contribute to NumPy as part of their job. Current Institutional Partners include:

Logo of UC Berkeley +Logo of Tidelift

Institutional Partners#

Institutional Partners are organizations that support the project by employing people that contribute to NumPy as part of their job. Current Institutional Partners include:

Logo of UC Berkeley Logo of Quansight -Logo of NVIDIA

If you have found NumPy useful in your work, research, or company, please consider a donation to the project commensurate with your resources. Any amount helps! All donations will be used strictly to fund the development of NumPy’s open source software, documentation, and community.

NumPy is a Sponsored Project of NumFOCUS, a 501(c)(3) nonprofit charity in the United States. NumFOCUS provides NumPy with fiscal, legal, and administrative support to help ensure the health and sustainability of the project. Visit numfocus.org for more information.

Donations to NumPy are managed by NumFOCUS. For donors in the United States, your gift is tax-deductible to the extent provided by law. As with any donation, you should consult with your tax advisor about your particular tax situation.

NumPy’s Steering Council will make the decisions on how to best use any funds received. Technical and infrastructure priorities are documented on the NumPy Roadmap.

On this page
\ No newline at end of file +Logo of NVIDIA

If you have found NumPy useful in your work, research, or company, please consider a donation to the project commensurate with your resources. Any amount helps! All donations will be used strictly to fund the development of NumPy’s open source software, documentation, and community.

NumPy is a Sponsored Project of NumFOCUS, a 501(c)(3) nonprofit charity in the United States. NumFOCUS provides NumPy with fiscal, legal, and administrative support to help ensure the health and sustainability of the project. Visit numfocus.org for more information.

Donations to NumPy are managed by NumFOCUS. For donors in the United States, your gift is tax-deductible to the extent provided by law. As with any donation, you should consult with your tax advisor about your particular tax situation.

NumPy’s Steering Council will make the decisions on how to best use any funds received. Technical and infrastructure priorities are documented on the NumPy Roadmap.

On this page
\ No newline at end of file diff --git a/arraycomputing/index.html b/arraycomputing/index.html index 14f5fab4..6e7015f5 100644 --- a/arraycomputing/index.html +++ b/arraycomputing/index.html @@ -1,7 +1,6 @@ -NumPy - Array Computing -NumPy - Array Computing

Array Computing

Array computing is the foundation of statistical, mathematical, scientific computing in various contemporary data science and analytics applications such as data visualization, digital signal processing, image processing, bioinformatics, machine learning, AI, and several others.

Large scale data manipulation and transformation depends on efficient, @@ -29,5 +28,5 @@ once. What this means is that any array operation applies to an entire set of values in one shot. This vectorized approach provides speed and simplicity by enabling programmers to code and operate on aggregates of data, without having -to use loops of individual scalar operations.

On this page
\ No newline at end of file +to use loops of individual scalar operations.

On this page
\ No newline at end of file diff --git a/case-studies/blackhole-image/index.html b/case-studies/blackhole-image/index.html index 13468c1c..0267f999 100644 --- a/case-studies/blackhole-image/index.html +++ b/case-studies/blackhole-image/index.html @@ -1,7 +1,6 @@ -NumPy - Case Study: First Image of a Black Hole -NumPy - Case Study: First Image of a Black Hole

Case Study: First Image of a Black Hole

black hole image
Black Hole M87#
(Image Credits: Event Horizon Telescope Collaboration)

Imaging the M87 Black Hole is like trying to see something that is by definition impossible to see.

—Katie Bouman, Assistant Professor, Computing & Mathematical Sciences, Caltech

A telescope the size of the earth#

The Event Horizon telescope (EHT) is an array of eight ground-based radio telescopes forming a computational telescope -the size of the earth, studing the universe with unprecedented +the size of the earth, studying the universe with unprecedented sensitivity and resolution. The huge virtual telescope, which uses a technique called very-long-baseline interferometry (VLBI), has an angular resolution of 20 micro-arcseconds — enough to read a newspaper in New York @@ -44,7 +43,7 @@ NumPy is at the core of array data processing used in this package, as illustrated by the partial software dependency chart below.

ehtim dependency map highlighting numpy
Software dependency chart of ehtim package highlighting NumPy#

Besides NumPy, many other packages, such as -SciPy and Pandas, are part of the +SciPy and Pandas, are part of the data processing pipeline for imaging the black hole. The standard astronomical file formats and time/coordinate transformations were handled by Astropy, while Matplotlib was used @@ -57,5 +56,5 @@ international collaboration among over 200 scientists and some of the world’s best radio observatories. Innovative algorithms and data processing techniques, improving upon existing astronomical models, helped unfold a -mystery of the universe.

numpy benefits
Key NumPy Capabilities utilized#

On this page
\ No newline at end of file +mystery of the universe.

numpy benefits
Key NumPy Capabilities utilized#

On this page
\ No newline at end of file diff --git a/case-studies/cricket-analytics/index.html b/case-studies/cricket-analytics/index.html index 4ba8824e..a0624bd1 100644 --- a/case-studies/cricket-analytics/index.html +++ b/case-studies/cricket-analytics/index.html @@ -1,7 +1,6 @@ -NumPy - Case Study: Cricket Analytics, the game changer! -NumPy - Case Study: Cricket Analytics, the game changer!

Case Study: Cricket Analytics, the game changer!

Indian Premier League Cricket cup and stadium
IPLT20, the biggest Cricket Festival in India#
(Image credits: IPLT20 (cup and logo) & Akash Yadav (stadium))

You don't play for the crowd, you play for the country.

—M S Dhoni, International Cricket Player, ex-captain, Indian Team, plays for Chennai Super Kings in IPL

About Cricket#

It would be an understatement to state that Indians love cricket. The game is played in just about every nook and cranny of India, rural or urban, popular with the young and the old alike, connecting billions in India unlike any other sport. Cricket enjoys lots of media attention. There is a significant amount of @@ -76,7 +75,7 @@ with a generative or static model. Causal analysis and big data approaches -are used for tactical analysis.

  • Data Visualization: Data graphing and visualization provide useful insights into relationship between various datasets.

    • Summary#

    Sports Analytics is a game changer when it comes to how professional games are +are used for tactical analysis.

  • Data Visualization: Data graphing and visualization provide useful insights into relationship between various datasets.

    • Summary#

    Sports Analytics is a game changer when it comes to how professional games are played, especially how strategic decision making happens, which until recently was primarily done based on “gut feeling" or adherence to past traditions. NumPy forms a solid foundation for a large set of Python packages which provide higher @@ -86,5 +85,5 @@ inferences and drive business around the game of cricket. Finding out the hidden parameters, patterns, and attributes that lead to the outcome of a cricket match helps the stakeholders to take notice of game insights that are -otherwise hidden in numbers and statistics.

    Diagram showing benefits of using NumPy for cricket analytics
    Key NumPy Capabilities utilized#

    On this page
    \ No newline at end of file +otherwise hidden in numbers and statistics.

    Diagram showing benefits of using NumPy for cricket analytics
    Key NumPy Capabilities utilized#

    On this page
    \ No newline at end of file diff --git a/case-studies/deeplabcut-dnn/index.html b/case-studies/deeplabcut-dnn/index.html index c7f3df22..d0deb171 100644 --- a/case-studies/deeplabcut-dnn/index.html +++ b/case-studies/deeplabcut-dnn/index.html @@ -1,7 +1,6 @@ -NumPy - Case Study: DeepLabCut 3D Pose Estimation -NumPy - Case Study: DeepLabCut 3D Pose Estimation

    Case Study: DeepLabCut 3D Pose Estimation

    micehandanim
    Analyzing mice hand-movement using DeepLapCut#
    (Source: www.deeplabcut.org )

    Open Source Software is accelerating Biomedicine. DeepLabCut enables automated video analysis of animal behavior using Deep Learning.

    —Alexander Mathis, Assistant Professor, École polytechnique fédérale de Lausanne (EPFL)

    About DeepLabCut#

    DeepLabCut is an open source toolbox that empowers researchers at hundreds of institutions worldwide to track behaviour of laboratory animals, with very little training data, at human-level accuracy. With DeepLabCut technology, scientists can delve deeper into the scientific understanding of motor control and behavior across animal species and timescales.

    Several areas of research, including neuroscience, medicine, and biomechanics, use data from tracking animal movement. DeepLabCut helps in understanding what humans and other animals are doing by parsing actions that have been recorded on film. Using automation for laborious tasks of tagging and monitoring, along with deep neural network based data analysis, DeepLabCut makes scientific studies involving observing animals, such as primates, mice, fish, flies etc., much faster and more accurate.

    horserideranim
    Colored dots track the positions of a racehorse’s body part#
    (Source: Mackenzie Mathis)

    DeepLabCut’s non-invasive behavioral tracking of animals by extracting the poses of animals is crucial for scientific pursuits in domains such as biomechanics, genetics, ethology & neuroscience. Measuring animal poses non-invasively from video - without markers - in dynamically changing backgrounds is computationally challenging, both technically as well as in terms of resource needs and training data required.

    DeepLabCut allows researchers to estimate the pose of the subject, efficiently enabling them to quantify the behavior through a Python based software toolkit. With DeepLabCut, researchers can identify distinct frames from videos, digitally label specific body parts in a few dozen frames with a tailored GUI, and then the deep learning based pose estimation architectures in DeepLabCut learn how to pick out those same features in the rest of the video and in other similar videos of animals. It works across species of animals, from common laboratory animals such as flies and mice to more unusual animals like cheetahs.

    DeepLabCut uses a principle called transfer learning, which greatly reduces the amount of training data required and speeds up the convergence of the training period. Depending on the needs, users can pick different network architectures that provide faster inference (e.g. MobileNetV2), which can also be combined with real-time experimental feedback. DeepLabCut originally used the feature detectors from a top-performing human pose estimation architecture, called DeeperCut, which inspired the name. The package now has been significantly changed to include additional architectures, augmentation methods, and a full front-end user experience. Furthermore, to support large-scale biological experiments DeepLabCut provides active learning capabilities so that users can increase the training set over time to cover edge cases and make their pose estimation algorithm robust within the specific context.

    Recently, the DeepLabCut model zoo was introduced, which provides pre-trained models for various species and experimental conditions from facial analysis in primates to dog posture. This can be run for instance in the cloud without any labeling of new data, or neural network training, and no programming experience is necessary.

    Key Goals and Results#

    On this page
    \ No newline at end of file +NumPy’s array manipulation capabilities.

    numpy benefits
    Key NumPy Capabilities utilized#

    On this page
    \ No newline at end of file diff --git a/case-studies/gw-discov/index.html b/case-studies/gw-discov/index.html index d1e06224..99200852 100644 --- a/case-studies/gw-discov/index.html +++ b/case-studies/gw-discov/index.html @@ -1,7 +1,6 @@ -NumPy - Case Study: Discovery of Gravitational Waves -NumPy - Case Study: Discovery of Gravitational Waves

    Case Study: Discovery of Gravitational Waves

    binary coalesce black hole generating gravitational waves
    Gravitational Waves#
    (Image Credits: The Simulating eXtreme Spacetimes (SXS) Project at LIGO)

    The scientific Python ecosystem is critical infrastructure for the research done at LIGO.

    —David Shoemaker, LIGO Scientific Collaboration

    About Gravitational Waves and LIGO#

    Gravitational waves are ripples in the fabric of space and time, generated by cataclysmic events in the universe such as collision and merging of two black holes or coalescing binary stars or supernovae. Observing GW can not only help in studying gravity but also in understanding some of the obscure phenomena in @@ -34,17 +33,17 @@ detect gravitational waves from some of the most violent and energetic processes in the Universe, the data LIGO collects may have far-reaching effects on many areas of physics including gravitation, relativity, -astrophysics, cosmology, particle physics, and nuclear physics.

  • Crunch observed data via numerical relativity computations that involves +astrophysics, cosmology, particle physics, and nuclear physics.
  • Crunch observed data via numerical relativity computations that involve complex maths in order to discern signal from noise, filter out relevant -signal and statistically estimate significance of observed data
  • Data visualization so that the binary / numerical results can be +signal and statistically estimate the significance of observed data.
  • Data visualization so that the binary / numerical results can be comprehended.

    • The Challenges#

    gwpy-numpy depgraph
    Dependency graph showing how GwPy package depends on NumPy#

    PyCBC-numpy depgraph
    Dependency graph showing how PyCBC package depends on NumPy#

    Summary#

    GW detection has enabled researchers to discover entirely unexpected phenomena while providing new insight into many of the most profound astrophysical -phenomena known. Number crunching and data visualization is a crucial step -that helps scientists gain insights into data gathered from the scientific +phenomena known. Number crunching and data visualization are crucial steps +that help scientists gain insights into data gathered from scientific observations and understand the results. The computations are complex and cannot be comprehended by humans unless it is visualized using computer simulations that are fed with the real observed data and analysis. NumPy along with other Python packages such as matplotlib, pandas, and scikit-learn is enabling researchers to answer complex questions and discover new horizons in our understanding of the -universe.

    numpy benefits
    Key NumPy Capabilities utilized#

    On this page
    \ No newline at end of file +universe.

    numpy benefits
    Key NumPy Capabilities utilized#

    On this page
    \ No newline at end of file diff --git a/case-studies/index.html b/case-studies/index.html index dc08fffd..81977474 100644 --- a/case-studies/index.html +++ b/case-studies/index.html @@ -1,5 +1,4 @@ -NumPy - Case-Studies -

    Case-Studies

    \ No newline at end of file diff --git a/case-studies/index.xml b/case-studies/index.xml index a6d45f42..feababce 100644 --- a/case-studies/index.xml +++ b/case-studies/index.xml @@ -1,86 +1,90 @@ -Case-Studies on NumPyhttps://numpy.org/case-studies/Recent content in Case-Studies on NumPyHugoenCase Study: Cricket Analytics, the game changer!https://numpy.org/case-studies/cricket-analytics/Mon, 01 Jan 0001 00:00:00 +0000https://numpy.org/case-studies/cricket-analytics/<figure class="align-default" id="id000"><img src="https://numpy.org/images/content_images/cs/ipl-stadium.png" alt="Indian Premier League Cricket cup and stadium" class="align-center"> +Case-Studies on NumPyhttps://numpy.org/case-studies/Recent content in Case-Studies on NumPyHugoenCase Study: Cricket Analytics, the game changer!https://numpy.org/case-studies/cricket-analytics/Mon, 01 Jan 0001 00:00:00 +0000https://numpy.org/case-studies/cricket-analytics/<figure class="align-default" id="id000"> +<img src="https://numpy.org/images/content_images/cs/ipl-stadium.png" alt="Indian Premier League Cricket cup and stadium" class="align-center"> -<figcaption><strong class="caption-title">IPLT20, the biggest Cricket Festival in India</strong><a class="headerlink" href="#id000" title="Link to this image">#</a><br><a href="https://unsplash.com/@aksh1802">(Image credits: IPLT20 (cup and logo) &amp; Akash Yadav (stadium))</a> -<p><span class="caption-text"></span> -</figcaption> -</figure> +<figcaption><strong class="caption-title">IPLT20, the biggest Cricket Festival in India</strong><a class="headerlink" href="#id000" title="Link to this image">#</a><br><a href="https://unsplash.com/@aksh1802">(Image credits: IPLT20 (cup and logo) &amp; Akash Yadav (stadium))</a> +<p><span class="caption-text"></span> +</figcaption> +</figure> -<blockquote cite="https://www.scoopwhoop.com/sports/ms-dhoni/"> - <p> +<blockquote cite="https://www.scoopwhoop.com/sports/ms-dhoni/"> + <p> You don't play for the crowd, you play for the country. -</p> - <p class="attribution">—M S Dhoni, <em>International Cricket Player, ex-captain, Indian Team, plays for Chennai Super Kings in IPL</em></p> -</blockquote> +</p> + <p class="attribution">—M S Dhoni, <em>International Cricket Player, ex-captain, Indian Team, plays for Chennai Super Kings in IPL</em></p> +</blockquote> -<h2 id="about-cricket">About Cricket<a class="headerlink" href="#about-cricket" title="Link to this heading">#</a></h2> -<p>It would be an understatement to state that Indians love cricket. The game is +<h2 id="about-cricket">About Cricket<a class="headerlink" href="#about-cricket" title="Link to this heading">#</a></h2> +<p>It would be an understatement to state that Indians love cricket. The game is played in just about every nook and cranny of India, rural or urban, popular with the young and the old alike, connecting billions in India unlike any other sport. Cricket enjoys lots of media attention. There is a significant amount of -<a href="https://www.statista.com/topics/4543/indian-premier-league-ipl/">money</a> and +<a href="https://www.statista.com/topics/4543/indian-premier-league-ipl/">money</a> and fame at stake. Over the last several years, technology has literally been a game changer. Audiences are spoilt for choice with streaming media, tournaments, -affordable access to mobile based live cricket watching, and more.</p>Case Study: DeepLabCut 3D Pose Estimationhttps://numpy.org/case-studies/deeplabcut-dnn/Mon, 01 Jan 0001 00:00:00 +0000https://numpy.org/case-studies/deeplabcut-dnn/<figure class="align-default" id="id000"><img src="https://numpy.org/images/content_images/cs/mice-hand.gif" alt="micehandanim" class="align-center"> +affordable access to mobile based live cricket watching, and more.</p>Case Study: DeepLabCut 3D Pose Estimationhttps://numpy.org/case-studies/deeplabcut-dnn/Mon, 01 Jan 0001 00:00:00 +0000https://numpy.org/case-studies/deeplabcut-dnn/<figure class="align-default" id="id000"> +<img src="https://numpy.org/images/content_images/cs/mice-hand.gif" alt="micehandanim" class="align-center"> -<figcaption><strong class="caption-title">Analyzing mice hand-movement using DeepLapCut</strong><a class="headerlink" href="#id000" title="Link to this image">#</a><br><a href="http://www.mousemotorlab.org/deeplabcut">(Source: www.deeplabcut.org )</a> -<p><span class="caption-text"></span> -</figcaption> -</figure> +<figcaption><strong class="caption-title">Analyzing mice hand-movement using DeepLapCut</strong><a class="headerlink" href="#id000" title="Link to this image">#</a><br><a href="http://www.mousemotorlab.org/deeplabcut">(Source: www.deeplabcut.org )</a> +<p><span class="caption-text"></span> +</figcaption> +</figure> -<blockquote cite="https://news.harvard.edu/gazette/story/newsplus/harvard-researchers-awarded-czi-open-source-award/"> - <p> +<blockquote cite="https://news.harvard.edu/gazette/story/newsplus/harvard-researchers-awarded-czi-open-source-award/"> + <p> Open Source Software is accelerating Biomedicine. DeepLabCut enables automated video analysis of animal behavior using Deep Learning. -</p> - <p class="attribution">—Alexander Mathis, <em>Assistant Professor, École polytechnique fédérale de Lausanne</em> (<a href="https://www.epfl.ch/en/">EPFL</a>)</p> -</blockquote> +</p> + <p class="attribution">—Alexander Mathis, <em>Assistant Professor, École polytechnique fédérale de Lausanne</em> (<a href="https://www.epfl.ch/en/">EPFL</a>)</p> +</blockquote> -<h2 id="about-deeplabcut">About DeepLabCut<a class="headerlink" href="#about-deeplabcut" title="Link to this heading">#</a></h2> -<p><a href="https://github.com/DeepLabCut/DeepLabCut">DeepLabCut</a> is an open source toolbox that empowers researchers at hundreds of institutions worldwide to track behaviour of laboratory animals, with very little training data, at human-level accuracy. With DeepLabCut technology, scientists can delve deeper into the scientific understanding of motor control and behavior across animal species and timescales.</p>Case Study: Discovery of Gravitational Waveshttps://numpy.org/case-studies/gw-discov/Mon, 01 Jan 0001 00:00:00 +0000https://numpy.org/case-studies/gw-discov/<figure class="align-default" id="id000"><img src="https://numpy.org/images/content_images/cs/gw_sxs_image.png" alt="binary coalesce black hole generating gravitational waves" class="align-center"> +<h2 id="about-deeplabcut">About DeepLabCut<a class="headerlink" href="#about-deeplabcut" title="Link to this heading">#</a></h2> +<p><a href="https://github.com/DeepLabCut/DeepLabCut">DeepLabCut</a> is an open source toolbox that empowers researchers at hundreds of institutions worldwide to track behaviour of laboratory animals, with very little training data, at human-level accuracy. With DeepLabCut technology, scientists can delve deeper into the scientific understanding of motor control and behavior across animal species and timescales.</p>Case Study: Discovery of Gravitational Waveshttps://numpy.org/case-studies/gw-discov/Mon, 01 Jan 0001 00:00:00 +0000https://numpy.org/case-studies/gw-discov/<figure class="align-default" id="id000"> +<img src="https://numpy.org/images/content_images/cs/gw_sxs_image.png" alt="binary coalesce black hole generating gravitational waves" class="align-center"> -<figcaption><strong class="caption-title">Gravitational Waves</strong><a class="headerlink" href="#id000" title="Link to this image">#</a><br><a href="https://youtu.be/Zt8Z_uzG71o">(Image Credits: The Simulating eXtreme Spacetimes (SXS) Project at LIGO)</a> -<p><span class="caption-text"></span> -</figcaption> -</figure> +<figcaption><strong class="caption-title">Gravitational Waves</strong><a class="headerlink" href="#id000" title="Link to this image">#</a><br><a href="https://youtu.be/Zt8Z_uzG71o">(Image Credits: The Simulating eXtreme Spacetimes (SXS) Project at LIGO)</a> +<p><span class="caption-text"></span> +</figcaption> +</figure> -<blockquote cite="https://www.youtube.com/watch?v=BIvezCVcsYs"> - <p> +<blockquote cite="https://www.youtube.com/watch?v=BIvezCVcsYs"> + <p> The scientific Python ecosystem is critical infrastructure for the research done at LIGO. -</p> - <p class="attribution">—David Shoemaker, <em>LIGO Scientific Collaboration</em></p> -</blockquote> +</p> + <p class="attribution">—David Shoemaker, <em>LIGO Scientific Collaboration</em></p> +</blockquote> -<h2 id="about-gravitational-waveshttpswwwnationalgeographiccomnews201710what-are-gravitational-waves-ligo-astronomy-science-and-ligohttpswwwligocaltechedu">About <a href="https://www.nationalgeographic.com/news/2017/10/what-are-gravitational-waves-ligo-astronomy-science/">Gravitational Waves</a> and <a href="https://www.ligo.caltech.edu">LIGO</a><a class="headerlink" href="#about-gravitational-waveshttpswwwnationalgeographiccomnews201710what-are-gravitational-waves-ligo-astronomy-science-and-ligohttpswwwligocaltechedu" title="Link to this heading">#</a></h2> -<p>Gravitational waves are ripples in the fabric of space and time, generated by +<h2 id="about-gravitational-waves-and-ligo">About <a href="https://www.nationalgeographic.com/news/2017/10/what-are-gravitational-waves-ligo-astronomy-science/">Gravitational Waves</a> and <a href="https://www.ligo.caltech.edu">LIGO</a><a class="headerlink" href="#about-gravitational-waves-and-ligo" title="Link to this heading">#</a></h2> +<p>Gravitational waves are ripples in the fabric of space and time, generated by cataclysmic events in the universe such as collision and merging of two black holes or coalescing binary stars or supernovae. Observing GW can not only help in studying gravity but also in understanding some of the obscure phenomena in -the distant universe and its impact.</p>Case Study: First Image of a Black Holehttps://numpy.org/case-studies/blackhole-image/Mon, 01 Jan 0001 00:00:00 +0000https://numpy.org/case-studies/blackhole-image/<figure class="align-default" id="id000"><img src="https://numpy.org/images/content_images/cs/blackhole.jpg" alt="black hole image" class="align-center"> +the distant universe and its impact.</p>Case Study: First Image of a Black Holehttps://numpy.org/case-studies/blackhole-image/Mon, 01 Jan 0001 00:00:00 +0000https://numpy.org/case-studies/blackhole-image/<figure class="align-default" id="id000"> +<img src="https://numpy.org/images/content_images/cs/blackhole.jpg" alt="black hole image" class="align-center"> -<figcaption><strong class="caption-title">Black Hole M87</strong><a class="headerlink" href="#id000" title="Link to this image">#</a><br><a href="https://www.jpl.nasa.gov/images/universe/20190410/blackhole20190410.jpg">(Image Credits: Event Horizon Telescope Collaboration)</a> -<p><span class="caption-text"></span> -</figcaption> -</figure> +<figcaption><strong class="caption-title">Black Hole M87</strong><a class="headerlink" href="#id000" title="Link to this image">#</a><br><a href="https://www.jpl.nasa.gov/images/universe/20190410/blackhole20190410.jpg">(Image Credits: Event Horizon Telescope Collaboration)</a> +<p><span class="caption-text"></span> +</figcaption> +</figure> -<blockquote cite="https://www.youtube.com/watch?v=BIvezCVcsYs"> - <p> +<blockquote cite="https://www.youtube.com/watch?v=BIvezCVcsYs"> + <p> Imaging the M87 Black Hole is like trying to see something that is by definition impossible to see. -</p> - <p class="attribution">—Katie Bouman, <em>Assistant Professor, Computing &amp; Mathematical Sciences, Caltech</em></p> -</blockquote> +</p> + <p class="attribution">—Katie Bouman, <em>Assistant Professor, Computing &amp; Mathematical Sciences, Caltech</em></p> +</blockquote> -<h2 id="a-telescope-the-size-of-the-earth">A telescope the size of the earth<a class="headerlink" href="#a-telescope-the-size-of-the-earth" title="Link to this heading">#</a></h2> -<p>The <a href="https://eventhorizontelescope.org">Event Horizon telescope (EHT)</a> is an +<h2 id="a-telescope-the-size-of-the-earth">A telescope the size of the earth<a class="headerlink" href="#a-telescope-the-size-of-the-earth" title="Link to this heading">#</a></h2> +<p>The <a href="https://eventhorizontelescope.org">Event Horizon telescope (EHT)</a> is an array of eight ground-based radio telescopes forming a computational telescope -the size of the earth, studing the universe with unprecedented +the size of the earth, studying the universe with unprecedented sensitivity and resolution. The huge virtual telescope, which uses a technique called very-long-baseline interferometry (VLBI), has an angular resolution of -<a href="https://eventhorizontelescope.org/press-release-april-10-2019-astronomers-capture-first-image-black-hole">20 micro-arcseconds</a> — enough to read a newspaper in New York -from a sidewalk café in Paris!</p> \ No newline at end of file +<a href="https://eventhorizontelescope.org/press-release-april-10-2019-astronomers-capture-first-image-black-hole">20 micro-arcseconds</a> — enough to read a newspaper in New York +from a sidewalk café in Paris!</p> \ No newline at end of file diff --git a/citing-numpy/index.html b/citing-numpy/index.html index 0ccbcc44..5d963469 100644 --- a/citing-numpy/index.html +++ b/citing-numpy/index.html @@ -1,7 +1,6 @@ -NumPy - Citing NumPy -NumPy - Citing NumPy

    Citing NumPy

    If NumPy has been significant in your research, and you would like to acknowledge the project in your academic publication, we suggest citing the following paper:

    In BibTeX format:

    @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
@@ -32,5 +31,5 @@
  doi           = {10.1038/s41586-020-2649-2},
  publisher     = {Springer Science and Business Media {LLC}},
  url           = {https://doi.org/10.1038/s41586-020-2649-2}
-}
    On this page
    \ No newline at end of file +}
    On this page
    \ No newline at end of file diff --git a/code-of-conduct/index.html b/code-of-conduct/index.html index e3d3383e..f9f827d9 100644 --- a/code-of-conduct/index.html +++ b/code-of-conduct/index.html @@ -1,6 +1,5 @@ -NumPy - NumPy Code of Conduct -

    NumPy Code of Conduct

    Introduction#

    This Code of Conduct applies to all spaces managed by the NumPy project, including all public and private mailing lists, issue trackers, wikis, blogs, X, and any other communication channel used by our community. The NumPy project does not organise in-person events, however events related to our community should have a code of conduct similar in spirit to this one.

    This Code of Conduct should be honored by everyone who participates in the NumPy community formally or informally, or claims any affiliation with the project, in any project-related activities and especially when representing the project, in any role.

    This code is not exhaustive or complete. It serves to distill our common understanding of a collaborative, shared environment and goals. Please try to follow this code in spirit as much as in letter, to create a friendly and productive environment that enriches the surrounding community.

    Specific Guidelines#

    We strive to:

    1. Be open. We invite anyone to participate in our community. We prefer to use public methods of communication for project-related messages, unless discussing something sensitive. This applies to messages for help or project-related support, too; not only is a public support request much more likely to result in an answer to a question, it also ensures that any inadvertent mistakes in answering are more easily detected and corrected.
    2. Be empathetic, welcoming, friendly, and patient. We work together to resolve conflict, and assume good intentions. We may all experience some frustration from time to time, but we do not allow frustration to turn into a personal attack. A community where people feel uncomfortable or threatened is not a productive one.
    3. Be collaborative. Our work will be used by other people, and in turn we will depend on the work of others. When we make something for the benefit of the project, we are willing to explain to others how it works, so that they can build on the work to make it even better. Any decision we make will affect users and colleagues, and we take those consequences seriously when making decisions.
    4. Be inquisitive. Nobody knows everything! Asking questions early avoids many problems later, so we encourage questions, although we may direct them to the appropriate forum. We will try hard to be responsive and helpful.
    5. Be careful in the words that we choose. We are careful and respectful in our communication, and we take responsibility for our own speech. Be kind to others. Do not insult or put down other participants. We will not accept harassment or other exclusionary behaviour, such as:
      • Violent threats or language directed against another person.
      • Sexist, racist, or otherwise discriminatory jokes and language.
      • Posting sexually explicit or violent material.
      • Posting (or threatening to post) other people’s personally identifying information (“doxing”).
      • Sharing private content, such as emails sent privately or non-publicly, or unlogged forums such as IRC channel history, without the sender’s consent.
      • Personal insults, especially those using racist or sexist terms.
      • Unwelcome sexual attention.
      • Excessive profanity. Please avoid swearwords; people differ greatly in their sensitivity to swearing.
      • Repeated harassment of others. In general, if someone asks you to stop, then stop.
      • Advocating for, or encouraging, any of the above behaviour.

    Diversity Statement#

    The NumPy project welcomes and encourages participation by everyone. We are committed to being a community that everyone enjoys being part of. Although we may not always be able to accommodate each individual’s preferences, we try our best to treat everyone kindly.

    No matter how you identify yourself or how others perceive you: we welcome you. Though no list can hope to be comprehensive, we explicitly honour diversity in: age, culture, ethnicity, genotype, gender identity or expression, language, national origin, neurotype, phenotype, political beliefs, profession, race, religion, sexual orientation, socioeconomic status, subculture and technical ability, to the extent that these do not conflict with this code of conduct.

    Though we welcome people fluent in all languages, NumPy development is conducted in English.

    Standards for behaviour in the NumPy community are detailed in the Code of Conduct above. Participants in our community should uphold these standards in all their interactions and help others to do so as well (see next section).

    Reporting Guidelines#

    We know that it is painfully common for internet communication to start at or devolve into obvious and flagrant abuse. We also recognize that sometimes people may have a bad day, or be unaware of some of the guidelines in this Code of Conduct. Please keep this in mind when deciding on how to respond to a breach of this Code.

    For clearly intentional breaches, report those to the Code of Conduct Committee (see below). For possibly unintentional breaches, you may reply to the person and point out this code of conduct (either in public or in private, whatever is most appropriate). If you would prefer not to do that, please feel free to report to the Code of Conduct Committee directly, or ask the Committee for advice, in confidence.

    You can report issues to the NumPy Code of Conduct Committee at numpy-conduct@googlegroups.com.

    Currently, the Committee consists of:

    If your report involves any members of the Committee, or if they feel they have a conflict of interest in handling it, then they will recuse themselves from considering your report. Alternatively, if for any reason you feel uncomfortable making a report to the Committee, then you can also contact senior NumFOCUS staff at conduct@numfocus.org.

    Incident reporting resolution & Code of Conduct enforcement#

    This section summarizes the most important points, more details can be found in NumPy Code of Conduct - How to follow up on a report.

    We will investigate and respond to all complaints. The NumPy Code of Conduct Committee and the NumPy Steering Committee (if involved) will protect the identity of the reporter, and treat the content of complaints as confidential (unless the reporter agrees otherwise).

    In case of severe and obvious breaches, e.g. personal threat or violent, sexist or racist language, we will immediately disconnect the originator from NumPy communication channels; please see the manual for details.

    In cases not involving clear severe and obvious breaches of this Code of Conduct the process for acting on any received Code of Conduct violation report will be:

    1. acknowledge report is received,
    2. reasonable discussion/feedback,
    3. mediation (if feedback didn’t help, and only if both reporter and reportee agree to this),
    4. enforcement via transparent decision (see Resolutions) by the Code of Conduct Committee.

    The Committee will respond to any report as soon as possible, and at most within 72 hours.

    Endnotes#

    We are thankful to the groups behind the following documents, from which we drew content and inspiration:

    On this page
    \ No newline at end of file diff --git a/community/index.html b/community/index.html index 4c5ac5a4..ab96e93f 100644 --- a/community/index.html +++ b/community/index.html @@ -1,7 +1,6 @@ -NumPy - Community -NumPy - Community

    Community

    NumPy is a community-driven open source project developed by a diverse group of contributors. The NumPy leadership has made a strong commitment to creating an open, inclusive, and positive community. Please read the NumPy Code of Conduct for guidance on how to interact with others in a way that makes the community thrive.

    We offer several communication channels to learn, share your knowledge and connect with others within the NumPy community.

    Participate online#

    The following are ways to engage directly with the NumPy project and community. Please note that we encourage users and community members to support each other -for usage questions - see Get Help.

    NumPy mailing list#

    This list is the main forum for longer-form discussions, like adding new features to NumPy, making changes to the NumPy Roadmap, and all kinds of project-wide decision making. +for usage questions - see Get Help.

    NumPy mailing list#

    This list is the main forum for longer-form discussions, like adding new features to NumPy, making changes to the NumPy Roadmap, and all kinds of project-wide decision making. Announcements about NumPy, such as for releases, developer meetings, sprints or conference talks are also made on this list.

    On this list please use bottom posting, reply to the list (rather than to another sender), and don’t reply to digests. A searchable archive of this list -is available here.

    GitHub issue tracker#

    Please note that GitHub is not the right place to report a security vulnerability. If you think you have found a security vulnerability in NumPy, please report it here.

    Slack#

    A real-time chat room to ask questions about contributing to NumPy. +is available here.

    GitHub issue tracker#

    Please note that GitHub is not the right place to report a security vulnerability. If you think you have found a security vulnerability in NumPy, please report it here.

    Slack#

    A real-time chat room to ask questions about contributing to NumPy. This is a private space, specifically meant for people who are hesitant to bring up their questions or ideas on a large public mailing list or GitHub. Please see here for more -details and how to get an invite.

    Study Groups and Meetups#

    If you would like to find a local meetup or study group to learn more about NumPy and the wider ecosystem of Python packages for data science and scientific computing, we recommend exploring the PyData meetups (150+ meetups, 100,000+ members).

    NumPy also organizes in-person sprints for its team and interested contributors occasionally. These are typically planned several months in advance and will be announced on the mailing list and Twitter.

    Conferences#

    The NumPy project doesn’t organize its own conferences. The conferences that have traditionally been most popular with NumPy maintainers, contributors and users are the SciPy and PyData conference series:

    Many of these conferences include tutorial days that cover NumPy and/or sprints where you can learn how to contribute to NumPy or related open source projects.

    Join the NumPy community#

    To thrive, the NumPy project needs your expertise and enthusiasm. Not a coder? Not a problem! There are many ways to contribute to NumPy.

    If you are interested in becoming a NumPy contributor (yay!) we recommend checking out our Contribute page.

    Also, feel free to stop by and say hi at one of our community meetings. To keep track of them, check out our events calendar here.

    On this page
    \ No newline at end of file +details and how to get an invite.

    Community Communication Guidelines#

    If the NumPy community moderators determine that a participant is not adhering to +the principles above, they will reach out to the participant with a polite request +for the behavior to be adjusted. If the behavior continues, moderators may consider +additional steps as appropriate.

    Study Groups and Meetups#

    If you would like to find a local meetup or study group to learn more about NumPy and the wider ecosystem of Python packages for data science and scientific computing, we recommend exploring the PyData meetups (150+ meetups, 100,000+ members).

    NumPy also organizes in-person sprints for its team and interested contributors occasionally. These are typically planned several months in advance and will be announced on the mailing list.

    Conferences#

    The NumPy project doesn’t organize its own conferences. The conferences that have traditionally been most popular with NumPy maintainers, contributors and users are the SciPy and PyData conference series:

    Many of these conferences include tutorial days that cover NumPy and/or sprints where you can learn how to contribute to NumPy or related open source projects.

    Join the NumPy community#

    To thrive, the NumPy project needs your expertise and enthusiasm. Not a coder? Not a problem! There are many ways to contribute to NumPy.

    If you are interested in becoming a NumPy contributor (yay!) we recommend checking out our Contribute page.

    Also, feel free to stop by and say hi at one of our community meetings. To keep track of them, check out our events calendar here.

    On this page
    \ No newline at end of file diff --git a/conduct.html b/conduct.html index f7cc0d78..9c299463 100644 --- a/conduct.html +++ b/conduct.html @@ -1,2 +1 @@ -https://numpy.org/es/code-of-conduct/ - \ No newline at end of file +https://numpy.org/es/code-of-conduct/ \ No newline at end of file diff --git a/config.yaml b/config.yaml index 55465511..4c97f502 100644 --- a/config.yaml +++ b/config.yaml @@ -11,7 +11,7 @@ params: # Hero subtitle (optional) subtitle: The fundamental package for scientific computing with Python # Button text - buttontext: "Latest release: NumPy 2.0. View all releases" + buttontext: "Latest release: NumPy 2.4. View all releases" # Where the main hero button links to buttonlink: "/news/#releases" # Hero image (from static/images/___) @@ -77,7 +77,7 @@ params: socialmedia: - link: https://github.com/numpy/numpy icon: github - - link: https://www.youtube.com/channel/UCguIL9NZ7ybWK5WQ53qbHng + - link: https://www.youtube.com/@NumPy_team icon: youtube quicklinks: column1: @@ -89,7 +89,7 @@ params: link: https://numpy.org/doc/stable - text: Learn link: /learn - - text: Citing Numpy + - text: Citing NumPy link: /citing-numpy - text: Roadmap link: https://numpy.org/neps/roadmap.html diff --git a/contribute/index.html b/contribute/index.html index d0bf6dbb..7d9c4a01 100644 --- a/contribute/index.html +++ b/contribute/index.html @@ -1,7 +1,6 @@ -NumPy - Contribute to NumPy -NumPy - Contribute to NumPy

    Contribute to NumPy

    The NumPy project welcomes your expertise and enthusiasm! Your choices aren’t limited to programming, as you can see below there are many areas where we need your help.

    If you’re unsure where to start or how your skills fit in, reach out! You can ask on the mailing @@ -27,7 +26,7 @@ If you are new to contributing to open source, we also highly recommend reading this guide.

    Our community aspires to treat everyone equally and to value all contributions. We have a Code of Conduct to foster an open -and welcoming environment.

    Writing code#

    Programmers, this +and welcoming environment.

    For a visual guide on how to contribute to NumPy, check out this comic.

    NumPy Contributor comic book cover

    Writing code#

    Programmers, this guide explains how to contribute to the NumPy codebase.
    Check out also our YouTube channel for additional advice.

    Reviewing pull requests#

    The project has more than 250 open pull requests – meaning many potential improvements and many open-source contributors waiting for feedback. If you’re @@ -44,18 +43,18 @@ issues list some of our unmet needs – and feel free to share your own ideas.

    Graphic design#

    We can barely begin to list the contributions a graphic designer can make here. Our docs are parched for illustration; our growing website craves images – -opportunities abound.

    Translating website content#

    We plan multiple translations of numpy.org to make NumPy -accessible to users in their native language. Volunteer translators are at the heart -of this effort. See -here -for background; comment on this GitHub -issue to sign up.

    Community coordination and outreach#

    Through community contact we share our work more widely and learn where we’re -falling short. We’re eager to get more people involved in efforts like our -Twitter account, organizing NumPy code +opportunities abound.

    Translating website content#

    We are working on translating numpy.org into multiple languages to make +its content more accessible to NumPy users all over the globe. (See +NEP 28 +for background.) Volunteer translators are at the heart of this effort. If you’d like to help, +join the translation channel on the +Scientific Python Discord server.

    To get familiar with our translation process, read the guide +How to translate content using Crowdin.

    Community coordination and outreach#

    Through community contact we share our work more widely and learn where we’re +falling short. We’re eager to get more people involved in efforts like organizing NumPy code sprints, a newsletter, and perhaps a blog.

    Fundraising#

    For many years, NumPy was maintained by dedicated volunteers, but as its importance grew it became clear that to ensure stability and growth we would need financial support. This SciPy'19 talk explains how much difference that support has made. Like most nonprofits, we are constantly seeking grants, sponsorships, and other kinds of funding. We have a number of ideas and of course we welcome more. -Fundraising is a scarce skill here – we’d appreciate your help.

    If you’d like to contribute to NumPy by making a donation, visit https://numpy.org/about/#donate.

    On this page
    \ No newline at end of file +Fundraising is a scarce skill here – we’d appreciate your help.

    If you’d like to contribute to NumPy by making a donation, visit https://numpy.org/about/#donate.

    On this page
    \ No newline at end of file diff --git a/diversity_sep2020/index.html b/diversity_sep2020/index.html index b59a91e8..db74445a 100644 --- a/diversity_sep2020/index.html +++ b/diversity_sep2020/index.html @@ -1,6 +1,5 @@ -NumPy - NumPy Diversity and Inclusion Statement -

    NumPy Diversity and Inclusion Statement

    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 @@ -59,5 +58,5 @@ bi-weekly community meeting.

    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

    On this page
    \ No newline at end of file +Stéfan van der Walt, Eric Wieser, on behalf of the NumPy team

    On this page
    \ No newline at end of file diff --git a/en/index.html b/en/index.html index d2c8b7bb..589ac254 100644 --- a/en/index.html +++ b/en/index.html @@ -1,2 +1 @@ -https://numpy.org/ - \ No newline at end of file +https://numpy.org/ \ No newline at end of file diff --git a/en/sitemap.xml b/en/sitemap.xml index be73ec24..5451a8b4 100644 --- a/en/sitemap.xml +++ b/en/sitemap.xml @@ -1 +1 @@ -https://numpy.org/https://numpy.org/user-survey-2020/https://numpy.org/404/https://numpy.org/about/https://numpy.org/arraycomputing/https://numpy.org/case-studies/cricket-analytics/https://numpy.org/case-studies/deeplabcut-dnn/https://numpy.org/case-studies/gw-discov/https://numpy.org/case-studies/blackhole-image/https://numpy.org/case-studies/https://numpy.org/citing-numpy/https://numpy.org/community/https://numpy.org/contribute/https://numpy.org/gethelp/https://numpy.org/history/https://numpy.org/install/https://numpy.org/learn/https://numpy.org/news/https://numpy.org/code-of-conduct/https://numpy.org/report-handling-manual/https://numpy.org/diversity_sep2020/https://numpy.org/teams/https://numpy.org/user-surveys/https://numpy.org/press-kit/https://numpy.org/privacy/https://numpy.org/terms/ \ No newline at end of file +https://numpy.org/news/2025-12-20T00:00:00+00:00https://numpy.org/2025-12-20T00:00:00+00:00https://numpy.org/user-survey-2020/https://numpy.org/404/https://numpy.org/about/https://numpy.org/arraycomputing/https://numpy.org/case-studies/cricket-analytics/https://numpy.org/case-studies/deeplabcut-dnn/https://numpy.org/case-studies/gw-discov/https://numpy.org/case-studies/blackhole-image/https://numpy.org/case-studies/https://numpy.org/citing-numpy/https://numpy.org/community/https://numpy.org/contribute/https://numpy.org/gethelp/https://numpy.org/history/https://numpy.org/install/https://numpy.org/learn/https://numpy.org/code-of-conduct/https://numpy.org/report-handling-manual/https://numpy.org/diversity_sep2020/https://numpy.org/teams/https://numpy.org/user-surveys/https://numpy.org/press-kit/https://numpy.org/privacy/https://numpy.org/terms/ \ No newline at end of file diff --git a/es/404/index.html b/es/404/index.html index 4803c8a7..ef7f0637 100644 --- a/es/404/index.html +++ b/es/404/index.html @@ -1,6 +1,5 @@ -NumPy - 404 -

    404

    ¡Oh, oh! Has llegado a un callejón sin salida.

    Si crees que algo debería estar aquí, puedes reportar este problema en GitHub.

    On this page
    \ No newline at end of file diff --git a/es/about/index.html b/es/about/index.html index 4571c4e4..e3297992 100644 --- a/es/about/index.html +++ b/es/about/index.html @@ -1,6 +1,5 @@ -NumPy - Quiénes Somos -

    Quiénes Somos

    NumPy es un proyecto de código abierto cuyo objetivo es permitir la computación numérica en Python. Fue creado en el 2005, a partir de los primeros trabajos de las bibliotecas Numeric y Numarray. NumPy siempre será un software 100% de código abierto y de uso libre para todos. Fue liberado bajo los términos liberales de la licencia BSD modificada.

    NumPy es desarrollado de forma abierta en GitHub, mediante el consenso de las comunidades NumPy y Python científico en general. Para más información sobre nuestro enfoque de gobernanza, por favor consulta nuestro Documento de Gobernanza.

    Consejo Directivo#

    El Consejo de Dirección de NumPy es el órgano de gobernanza del proyecto. Su papel es garantizar, a través del trabajo con la comunidad NumPy en general y al servicio de la misma, el bienestar a largo plazo del proyecto, tanto desde el punto de vista técnico como de la comunidad. El Consejo Directivo de NumPy está formado actualmente por los siguientes miembros (en orden alfabético):

    Eméritos:

    Para contactar con el Consejo Directivo de NumPy, por favor envía un correo electrónico a numpy-team@googlegroups.com.

    Equipos#

    La dirección del proyecto NumPy trabaja activamente para diversificar las vías de contribución al proyecto.
    NumPy cuenta actualmente con los siguientes equipos:

    Visita la página de Equipos para más información.

    Subcomité NumFOCUS#

    Patrocinadores#

    NumPy recibe financiación directa de las siguientes fuentes:

    Socios institucionales#

    Los socios institucionales son organizaciones que apoyan al proyecto empleando a personas que contribuyen a NumPy como parte de su trabajo. Entre los actuales socios institucionales se encuentran:

    Logo of UC Berkeley Logo of Quansight -Logo of NVIDIA

    Donar#

    Si has encontrado NumPy útil en tu trabajo, investigación o empresa, por favor considera una donación al proyecto proporcional a tus recursos. ¡Cualquier cantidad ayuda! Todas las donaciones se utilizarán estrictamente para financiar el desarrollo del software de código abierto, la documentación y la comunidad de NumPy.

    NumPy es un proyecto patrocinado por NumFOCUS, una organización benéfica sin fines de lucro 501(c)(3) de Estados Unidos. NumFOCUS proporciona a NumPy apoyo fiscal, legal y administrativo para ayudar a garantizar el bienestar y la sostenibilidad del proyecto. Visita numfocus.org para más información.

    Las donaciones a NumPy son gestionadas por NumFOCUS. Para los donantes de Estados Unidos, su donación es deducible de impuestos en la medida prevista por la ley. Al igual que con cualquier donación, debes consultar a tu asesor de impuestos sobre tu situación fiscal particular.

    El Consejo Directivo de NumPy tomará las decisiones sobre el mejor uso de los fondos recibidos. Las prioridades técnicas y de infraestructura están documentadas en la Hoja de Ruta de NumPy.

    On this page
    \ No newline at end of file +Logo of NVIDIA

    Donar#

    Si has encontrado NumPy útil en tu trabajo, investigación o empresa, por favor considera una donación al proyecto proporcional a tus recursos. ¡Cualquier cantidad ayuda! Todas las donaciones se utilizarán estrictamente para financiar el desarrollo del software de código abierto, la documentación y la comunidad de NumPy.

    NumPy es un proyecto patrocinado por NumFOCUS, una organización benéfica sin fines de lucro 501(c)(3) de Estados Unidos. NumFOCUS proporciona a NumPy apoyo fiscal, legal y administrativo para ayudar a garantizar el bienestar y la sostenibilidad del proyecto. Visita numfocus.org para más información.

    Las donaciones a NumPy son gestionadas por NumFOCUS. Para los donantes de Estados Unidos, su donación es deducible de impuestos en la medida prevista por la ley. Al igual que con cualquier donación, debes consultar a tu asesor de impuestos sobre tu situación fiscal particular.

    El Consejo Directivo de NumPy tomará las decisiones sobre el mejor uso de los fondos recibidos. Las prioridades técnicas y de infraestructura están documentadas en la Hoja de Ruta de NumPy.

    On this page
    \ No newline at end of file diff --git a/es/arraycomputing/index.html b/es/arraycomputing/index.html index bb6ce47a..85973aee 100644 --- a/es/arraycomputing/index.html +++ b/es/arraycomputing/index.html @@ -1,6 +1,5 @@ -NumPy - Computación con Arreglos -

    Computación con Arreglos

    La computación con arreglos es la base del cómputo estadístico, matemático y científico en varias aplicaciones contemporáneas de ciencia de datos y aplicaciones de analíticas, tales como la visualización de datos, el procesamiento digital de señales, el procesamiento de imágenes, la bioinformática, el aprendizaje automático, la inteligencia artificial, entre muchas otras.

    La manipulación y transformación de datos a gran escala depende de una computación con arreglos eficiente y de alto rendimiento. El lenguaje de elección para la analítica de datos, el aprendizaje automático y el cómputo numérico productivo es Python.

    Numerical Python o NumPy es la biblioteca estándar de-facto del lenguaje de programación Python que soporta arreglos y matrices multidimensionales de gran tamaño, y viene con una amplia colección de funciones matemáticas de alto nivel para operar sobre estos arreglos.

    Tras el lanzamiento de NumPy en 2006, Pandas apareció en el panorama en 2008, y no fue hasta hace un par de años que aparecieron sucesivamente varias bibliotecas de computación con arreglos, poblando este escenario. Muchas de estas nuevas bibliotecas imitan las características y capacidades de NumPy, y contienen nuevos algoritmos y características orientadas a las aplicaciones de aprendizaje automático e inteligencia artificial.

    arraycl

    La computación con arreglos está basada en los arreglos como estructura de datos. Los arreglos son utilizados para organizar grandes cantidades de datos de manera que un conjunto de valores relacionados pueda ordenarse, buscarse, manipularse matemáticamente y transformarse con facilidad y rapidez.

    La computación con arreglos es única ya que implica operar sobre todos los datos del arreglo al mismo tiempo. Esto significa que cualquier operación de arreglos se aplica a un conjunto completo de valores de una sola vez. Este enfoque vectorial proporciona velocidad y simplicidad, al permitir a los programadores codificar y operar sobre los datos agregados, sin tener que utilizar bucles de instrucciones escalares individuales.

    On this page
    \ No newline at end of file diff --git a/es/case-studies/blackhole-image/index.html b/es/case-studies/blackhole-image/index.html index 19df4b6b..ffdad349 100644 --- a/es/case-studies/blackhole-image/index.html +++ b/es/case-studies/blackhole-image/index.html @@ -1,7 +1,6 @@ -NumPy - Caso de estudio: La primera imagen de un Agujero Negro -NumPy - Caso de estudio: La primera imagen de un Agujero Negro

    Caso de estudio: La primera imagen de un Agujero Negro

    Imagen de agujero negro
    Agujero Negro M87#
    (Créditos de la imagen: Colaboración del telescopio del Horizonte de Sucesos)

    Capturar imágenes del Agujero Negro M87 es como intentar ver algo que por definición es imposible de ver.

    —Katie Bouman, Profesora Asistente, Ciencias de la Computación & Matemáticas, Caltech

    Un telescopio del tamaño de la Tierra#

    El Telescopio Event Horizon (EHT) , es un conjunto de ocho radiotelescopios terrestres que forman un telescopio computacional del tamaño de la Tierra, estudiando al universo con una sensibilidad y resolución sin precedente. El enorme telescopio virtual, que utiliza una técnica llamada Interferometría de línea de base muy larga (VLBI), tiene una resolución angular de 20 microsegundos de arco — ¡suficiente para leer un periódico en Nueva York desde un café en la acera en París!

    Objetivos clave y resultados#

    Los desafíos#

    flujo de datos
    Flujo de Trabajo de Procesamiento de Datos EHT#
    (Diagram Credits: The Astrophysical Journal, Event Horizon Telescope Collaboration)

    El Rol de NumPy#

    ¿Qué pasa si hay un problema con los datos? O tal vez un algoritmo depende demasiado de una suposición en particular. ¿Cambiará drásticamente la imagen si se cambia un solo parámetro?

    La colaboración del EHT respondió a estos desafíos haciendo que los equipos independientes evaluaran los datos, utilizando técnicas de reconstrucción de imágenes ya establecidas y de vanguardia. Cuando los resultados se mostraron consistentes, se combinaron para producir la primera imagen de su tipo de un agujero negro.

    Su trabajo ilustra el rol que desempeña el ecosistema científico de Python en el avance de la ciencia a través del análisis de datos colaborativos.

    rol de numpy
    El rol de NumPy en la imagen del agujero negro#

    Por ejemplo, el paquete de Python eht-imaging proporciona herramientas para simular y realizar reconstrucción de imágenes en datos VLBI. NumPy está en el núcleo del procesamiento de datos de matrices utilizados en este paquete, como se muestra a continuación en el gráfico parcial de dependencias de software.

    mapa de dependencias de ehtim resaltando a numpy
    Gráfico de dependencias de software del paquete ehtim resaltando a NumPy#

    Además de NumPy, muchos otros paquetes, como SciPy y Pandas, son parte del flujo de procesamiento de datos para fotografiar el agujero negro. Los formatos estándar de archivos astronómicos y transformaciones de tiempo/coordenadas fueron manejados por Astropy, mientras que Matplotlib fue utilizado en la visualización de datos a través del flujo de análisis, incluyendo la generación de la imagen final del agujero negro.

    Resumen#

    El eficiente y adaptable arreglo n-dimensional que es la característica central de NumPy, permitió a los investigadores manipular grandes conjuntos de datos numéricos, proporcionando una base para la primera imagen de un agujero negro. Un momento histórico en la ciencia ofrece una impresionante evidencia visual de la teoría de Einstein. Este logro abarca no solo los avances tecnológicos sino también la colaboración internacional de más de 200 científicos y algunos de los mejores radio observatorios del mundo. Algoritmos innovadores y técnicas de procesamiento de datos, mejorando los modelos astronómicos existentes, ayudaron a desvelar un misterio del universo.

    beneficios de numpy
    Capacidades clave de NumPy utilizadas#

    On this page
    \ No newline at end of file diff --git a/es/case-studies/cricket-analytics/index.html b/es/case-studies/cricket-analytics/index.html index e4e4a032..7c768fd7 100644 --- a/es/case-studies/cricket-analytics/index.html +++ b/es/case-studies/cricket-analytics/index.html @@ -1,7 +1,6 @@ -NumPy - Estudio de caso: Análisis de críquet, ¡el cambio radical! -NumPy - Estudio de caso: Análisis de críquet, ¡el cambio radical!

    Estudio de caso: Análisis de críquet, ¡el cambio radical!

    Copa y estadio de la Premier League de Críquet de India
    IPLT20, el festival de críquet más grande en India#
    (Créditos de imagen: IPLT20 (copa y logo) & Akash Yadav (estadio))

    No juegas para el público, juegas para el país.

    —M S Dhoni, Jugador Internacional de críquet, ex-capitán del equipo de India, juega para Chennai Super Kings en IPL

    Acerca del críquet#

    Sería una subestimación decir que a los indios les encanta el críquet. El juego se juega en casi todos los rincones de la India, rurales o urbanos, es popular entre los jóvenes y ancianos por igual, conectando miles de millones de personas en India como ningún otro deporte. El críquet disfruta de una gran atención mediática. Hay una cantidad importante de dinero y fama en juego. En los últimos años, la tecnología ha cambiado literalmente las reglas del juego. El público tiene muchas opciones para elegir entre streaming de medios, torneos, acceso asequible a la visualización de críquet en vivo desde dispositivos móviles y más.

    La Indian Premier League (IPL) es una liga profesional de críquet Twenty20, fundada en 2008. Es uno de los eventos de críquet más concurridos en el mundo, valorado en $6.7 mil millones de dólares en 2019.

    El críquet es un juego de números - las carreras anotadas por un bateador, los wickets tomados por un lanzador, los partidos ganados por un equipo de críquet, el número de veces que un bateador responde de cierta manera a un tipo de ataque de lanzamiento, etc. La capacidad de profundizar en los números del críquet tanto para mejorar el rendimiento como para estudiar las oportunidades de negocio, el mercado en general y la economía del cricket mediante potentes herramientas de análisis, impulsadas por software de computación numérica como NumPy, es algo muy importante. El análisis del críquet proporciona ideas interesantes sobre el juego e inteligencia predictiva respecto a los resultados del juego.

    Hoy en día, hay abundantes y casi infinitos tesoros de registros y estadísticas de juegos de críquet disponibles, por ejemplo, en ESPN cricinfo y cricsheet. Estas y muchas otras bases de datos de cricket se han utilizado para el análisis de cricket utilizando los últimos algoritmos de aprendizaje automático y modelación predictiva. Las plataformas de medios y entretenimiento, junto con los organismos deportivos profesionales asociados con el juego, utilizan la tecnología y el análisis para determinar métricas clave que mejoren las posibilidades de ganar los partidos:

    Un campo de cricket con lanzador y bateadores
    El campo de críquet, el punto focal en el terreno de juego#
    (Image credit: Debarghya Das)

    Objetivos Clave de Análisis de Datos#

    estimador de postura
    Estimador de postura en críquet#
    (Crédito de imagen: connect.vin)

    Los Desafíos#

    El Papel de NumPy en el Análisis del Críquet#

    El análisis deportivo es un campo en desarrollo. Muchos investigadores y compañías utilizan NumPy y otros paquetes de PyData como Scikit-learn, SciPy, Matplotlib y Jupyter, además de utilizar las últimas técnicas de aprendizaje automático e inteligencia artificial. NumPy se ha utilizado para varios tipos de análisis deportivos relacionados con el críquet tales como:

    Resumen#

    El análisis deportivo ha revolucionado la forma en que se juegan los partidos profesionales, especialmente en cuanto a la toma de decisiones estratégicas, que hasta hace poco se basaba principalmente en la “intuición” o en la adherencia a tradiciones pasadas. NumPy constituye una base sólida para un gran conjunto de paquetes de Python que brindan funciones de nivel superior relacionadas con análisis de datos, el aprendizaje automático y los algoritmos de IA. Estos paquetes están ampliamente desplegados para obtener información en tiempo real que ayudan en la toma de decisiones para resultados revolucionarios, tanto en el campo como para sacar conclusiones y hacer negocios alrededor del juego del críquet. Encontrar los parámetros ocultos, patrones y atributos que conducen al resultado de un partido de críquet ayuda a los interesados a tomar nota de la información del juego que de otra forma estarían ocultos en números y estadísticas.

    Diagrama que muestra los beneficios de usar NumPy para análisis de críquet
    Capacidades claves de NumPy utilizadas#

    On this page
    \ No newline at end of file diff --git a/es/case-studies/deeplabcut-dnn/index.html b/es/case-studies/deeplabcut-dnn/index.html index a2d91efe..94665934 100644 --- a/es/case-studies/deeplabcut-dnn/index.html +++ b/es/case-studies/deeplabcut-dnn/index.html @@ -1,7 +1,6 @@ -NumPy - Caso de estudio: DeepLabCut Estimación de Postura 3D -

    Caso de estudio: DeepLabCut Estimación de Postura 3D

    micehandanim
    Analizar movimiento de las manos de los ratones usando DeepLapCut#
    (Fuente: www.deeplabcut.org)

    El software de código abierto está acelerando la biomedicina. DeepLabCut permite el análisis automatizado de video del comportamiento animal utilizando Aprendizaje Profundo.

    —Alexander Mathis, Profesor Asistente, Escuela Politécnica Federal de Lausana (EPFL)

    Acerca de DeepLabCut#

    DeepLabCut es una caja de herramientas de código abierto que permite a los investigadores de cientos de instituciones de todo el mundo rastrear el comportamiento de animales de laboratorio, con muy pocos datos de entrenamiento, con una precisión de nivel humana. Con la tecnología DeepLabCut, los científicos pueden profundizar en la comprensión científica del control motriz y el comportamiento a través de especies animales y escalas temporales.

    Muchas áreas de investigación, incluyendo la neurociencia, la medicina y la biomecánica, utilizan datos para rastrear el movimiento animal. DeepLabCut ayuda a entender lo que los humanos y otros animales están haciendo, analizando las acciones que han sido grabadas en la filmación. Utilizando la automatización para tareas laboriosas de etiquetado y monitoreo, junto con el análisis de datos basado en redes neuronales profundas, DeepLabCut realiza estudios científicos que involucran la observación de animales, tales como primates, ratones, peces, moscas, etc. de manera mucho más rápida y precisa.

    horserideranim
    Puntos de colores rastrean las posiciones de una parte del cuerpo de un caballo de carreras#
    (Fuente: Mackenzie Mathis)

    El rastreo del comportamiento no invasivo de animales de DeepLabCut por medio de la extracción de posturas de animales es crucial para propósitos científicos en dominios tales como la biomecánica, genética, etología y & neurociencia. Medir las poses de animales de manera no invasiva a partir de video - sin marcadores - en fondos que cambian dinámicamente es un desafío computacional, tanto técnicamente como en términos de necesidades de recursos y datos de entrenamiento requeridos.

    DeepLabCut permite a los investigadores estimar la postura del sujeto, permitiéndoles eficientemente cuantificar el comportamiento a través de una caja de herramientas de software basada en Python. Con DeepLabCut, los investigadores pueden identificar fotogramas distintos de videos, etiquetar digitalmente partes específicas del cuerpo en unas pocas docenas de fotogramas con una GUI personalizada, y luego las arquitecturas de estimación de posturas basadas en aprendizaje profundo en DeepLabCut aprenden a identificar esas mismas características en el resto del video y en otros videos similares de animales. Funciona en diferentes especies de animales, desde los animales de laboratorio comunes como moscas y ratones hasta animales más inusuales como los guepardos.

    DeepLabCut utiliza un principio llamado aprendizaje por transferencia, que reduce considerablemente la cantidad de datos de entrenamiento requeridos y acelera la convergencia del período de entrenamiento. Dependiendo de las necesidades, los usuarios pueden seleccionar diferentes arquitecturas de red que proporcionan una inferencia más rápida (por ejemplo MobileNetV2), que también pueden combinarse con retroalimentación experimental en tiempo real. DeepLabCut utilizó originalmente los detectores de características de una arquitectura de estimación de postura humana de alto rendimiento, llamada DeeperCut, que inspiró el nombre. El paquete ahora ha sido significativamente modificado para incluir arquitecturas adicionales, métodos de aumento y una experiencia de usuario completa en el front-end. Además, para apoyar los experimentos biológicos a gran escala, DeepLabCut proporciona capacidades de aprendizaje activo para que los usuarios puedan aumentar el conjunto de entrenamiento a lo largo del tiempo para cubrir casos límite y hacer que su algoritmo de estimación de postura sea robusto dentro de un contexto específico.

    Recientemente, se presentó el modelo zoo de DeepLabCut, que proporciona modelos pre-entrenados para varias especies y condiciones experimentales, desde el análisis facial en primates hasta la postura de perro. Esto se puede ejecutar, por ejemplo, en la nube sin ningún etiquetado de datos nuevos o entrenamiento de redes neuronales, y no es necesaria ninguna experiencia de programación.

    Objetivos y Resultados Clave#

    dlcsteps
    Pasos de estimación de la postura con DeepLabCut#
    (Source: DeepLabCut)

    Los Desafíos#

    challengesfig
    Estimación de variedad y complejidad de postura#
    (Fuente: Mackenzie Mathis)

    El Papel de NumPy para afrontar los desafíos de la estimación de postura#

    NumPy aborda la necesidad central de la tecnología de DeepLabCut de realizar cálculos numéricos a alta velocidad para el análisis del comportamiento. Además de NumPy, DeepLabCut emplea varios softwares de Python que utilizan NumPy en su núcleo, como SciPy, Pandas, matplotlib, Tensorpack, imgaug, scikit-learn, scikit-image y Tensorflow.

    Las siguientes características de NumPy jugaron un papel clave en abordar el procesamiento de imágenes, los requisitos de combinatoria y la necesidad de cálculos rápidos en los algoritmos de estimación de posturas de DeepLabCut:

    DeepLabCut utiliza las capacidades de arreglos de NumPy a lo largo del flujo de trabajo ofrecido por el conjunto de herramientas. En particular, NumPy se utiliza para muestrear diferentes fotogramas para etiquetado de anotaciones humanas, y para escribir, editar y procesar datos de anotación. Dentro de TensorFlow, la red neuronal es entrenada por la tecnología DeepLabCut durante miles de iteraciones para predecir las anotaciones de referencia a partir de fotogramas. Para este propósito, se crean densidades objetivo (mapas de puntuación) para plantear la estimación de poses como un problema de traducción de imagen a imagen. Para hacer que las redes neuronales sean robustas, se emplea el aumento de datos, lo que requiere el cálculo de mapas de puntuación objetivo sujetos a varios pasos geométricos y de procesamiento de imágenes. Para hacer que el entrenamiento sea rápido, se aprovechan las capacidades de vectorización de NumPy. Para la inferencia, es necesario extraer las predicciones más probables de los mapas de puntuación objetivo y “vincular eficientemente las predicciones para ensamblar animales individuales”.

    flujo de trabajo
    Flujo de Trabajo de DeepLabCut#
    (Fuente: Mackenzie Mathis)

    Resumen#

    Observar y describir eficientemente el comportamiento es un punto central de la etología moderna, neurociencia, medicina y tecnología. DeepLabCut permite a los investigadores estimar la postura del sujeto, permitiéndoles de manera eficiente cuantificar el comportamiento. Con solo un pequeño conjunto de imágenes de entrenamiento, el conjunto de herramientas de Python de DeepLabCut permite entrenar una red neuronal con una precisión de etiquetado a nivel humano, expandiendo así su aplicación no solo al análisis del comportamiento en el laboratorio, sino también potencialmente en deportes, análisis de marcha, medicina y estudios de rehabilitación. Los desafíos de la combinatoria compleja y procesamiento de datos enfrentados por los algoritmos de DeepLabCut se abordan mediante el uso de las capacidades de manipulación de arreglos de NumPy.

    beneficios de NumPy
    Capacidades claves utilizadas de NumPy#

    On this page
    \ No newline at end of file diff --git a/es/case-studies/gw-discov/index.html b/es/case-studies/gw-discov/index.html index a8efded1..af4fb916 100644 --- a/es/case-studies/gw-discov/index.html +++ b/es/case-studies/gw-discov/index.html @@ -1,7 +1,6 @@ -NumPy - Estudio de Caso: Descubrimiento de Ondas Gravitacionales -NumPy - Estudio de Caso: Descubrimiento de Ondas Gravitacionales

    Estudio de Caso: Descubrimiento de Ondas Gravitacionales

    coalescencia de un agujero negro binario generando ondas gravitacionales
    Ondas Gravitacionales#
    (Créditos de imagen: El proyecto Simulación de Espacio-tiempos eXtreme (SXS) en LIGO)

    El ecosistema científico de Python es una infraestructura crítica para la investigación realizada en LIGO.

    —David Shoemaker, Colaboración científica LIGO

    Acerca de Ondas Gravitacionales y LIGO#

    Las ondas gravitacionales son ondulaciones en el tejido del espacio y el tiempo, generadas por cataclismos en el universo, tales como la colisión y fusión de dos agujeros negros o la coalescencia de estrellas binarias o supernovas. La observación de Ondas Gravitacionales no solo puede ayudar en el estudio de la gravedad, sino también en la comprensión de algunos de los fenómenos oscuros en el universo distante y su impacto.

    El Observatorio de Ondas Gravitacionales por Interferometría Láser (LIGO) fue diseñado para abrir el campo de la astrofísica de ondas gravitacionales mediante la detección directa de las ondas gravitacionales predichas por la Teoría General de la Relatividad de Einstein. Comprende dos interferómetros ampliamente separados dentro de los Estados Unidos: uno en Hanford, Washington, y el otro en Livingston, Louisiana, operando al unísono para detectar ondas gravitacionales. Cada uno de ellos tiene detectores de ondas gravitacionales de escala de múltiples kilómetros que utilizan interferometría de láser. La Colaboración Científica de LIGO (LSC) es un grupo de más de 1000 científicos de universidades de los Estados Unidos y de otros 14 países, respaldados por más de 90 universidades e institutos de investigación; aproximadamente 250 estudiantes contribuyen activamente a la colaboración. El nuevo descubrimiento de LIGO es la primera observación de ondas gravitacionales, realizada midiendo las diminutas perturbaciones que las ondas generan en el espacio y el tiempo a medida que pasan a través de la Tierra. Ha abierto nuevas fronteras astrofísicas que exploran el lado deformado del universo: objetos y fenómenos que están hechos de espaciotiempo deformado.

    Objetivos Clave#

    Los desafíos#

    amplitud de deformación de ondas gravitacionales
    Amplitud de deformación de ondas gravitacionales estimada de GW150914#
    (Créditos del gráfico: Observación de Ondas Gravitacionales de la Fusión de un Agujero Negro Binario, Publicación de ResearchGate)

    El Papel de NumPy en la Detección de Ondas Gravitacionales#

    Las ondas gravitacionales emitidas por la fusión no pueden ser calculadas utilizando ninguna técnica excepto la relatividad numérica por fuerza bruta usando supercomputadoras. La cantidad de datos que LIGO recopila es tan incomprensiblemente grande como pequeñas son las señales de onda gravitacionales.

    NumPy, el paquete de análisis numérico estándar para Python, fue utilizado por el software empleado en varias tareas realizadas durante el proyecto de detección de Ondas Gravitacionales en LIGO. NumPy ayudó a resolver las matemáticas complejas y la manipulación de datos a alta velocidad. Aquí hay algunos ejemplos:

    gwpy-numpy depgraph
    Gráfico de dependencias que muestra cómo depende el paquete GwPy de NumPy#

    PyCBC-numpy depgraph
    Gráfico de dependencias que muestra cómo el paquete PyCBC depende de NumPy#

    Resumen#

    La detección de ondas gravitacionales ha permitido a los investigadores descubrir fenómenos completamente inesperados, al tiempo que proporciona nuevos conocimientos sobre muchos de los fenómenos astrofísicos más profundos conocidos. El procesamiento de datos y la visualización de datos son pasos cruciales que ayudan a los científicos a obtener información a partir de los datos recopilados en las observaciones científicas y a comprender los resultados. Los cálculos son complejos y no pueden ser comprendidos por humanos, a menos que sean visualizados utilizando simulaciones por computador que se alimenten con datos y análisis reales observados. NumPy, junto con otros paquetes de Python como matplotlib, pandas y scikit-learn, está permitiendo a los investigadores responder preguntas complejas y descubrir nuevos horizontes en nuestra comprensión del universo.

    beneficios de NumPy
    Capacidades clave de NumPy utilizadas#

    On this page
    \ No newline at end of file diff --git a/es/case-studies/index.html b/es/case-studies/index.html index 33584ff5..a368254a 100644 --- a/es/case-studies/index.html +++ b/es/case-studies/index.html @@ -1,5 +1,4 @@ -NumPy - Case-Studies -

    Case-Studies

    \ No newline at end of file diff --git a/es/case-studies/index.xml b/es/case-studies/index.xml index 90914799..e195606b 100644 --- a/es/case-studies/index.xml +++ b/es/case-studies/index.xml @@ -1,66 +1,70 @@ -Case-Studies on NumPyhttps://numpy.org/es/case-studies/Recent content in Case-Studies on NumPyHugoesCaso de estudio: DeepLabCut Estimación de Postura 3Dhttps://numpy.org/es/case-studies/deeplabcut-dnn/Mon, 01 Jan 0001 00:00:00 +0000https://numpy.org/es/case-studies/deeplabcut-dnn/<figure class="align-default" id="id000"><img src="https://numpy.org/images/content_images/cs/mice-hand.gif" alt="micehandanim" class="align-center"> +Case-Studies on NumPyhttps://numpy.org/es/case-studies/Recent content in Case-Studies on NumPyHugoesCaso de estudio: DeepLabCut Estimación de Postura 3Dhttps://numpy.org/es/case-studies/deeplabcut-dnn/Mon, 01 Jan 0001 00:00:00 +0000https://numpy.org/es/case-studies/deeplabcut-dnn/<figure class="align-default" id="id000"> +<img src="https://numpy.org/images/content_images/cs/mice-hand.gif" alt="micehandanim" class="align-center"> -<figcaption><strong class="caption-title">Analizar movimiento de las manos de los ratones usando DeepLapCut</strong><a class="headerlink" href="#id000" title="Link to this image">#</a><br><a href="http://www.mousemASElab.org/deeplabcut">(Fuente: www.deeplabcut.org )</a> -<p><span class="caption-text"></span> -</figcaption> -</figure> +<figcaption><strong class="caption-title">Analizar movimiento de las manos de los ratones usando DeepLapCut</strong><a class="headerlink" href="#id000" title="Link to this image">#</a><br><a href="http://www.mousemASElab.org/deeplabcut">(Fuente: www.deeplabcut.org)</a> +<p><span class="caption-text"></span> +</figcaption> +</figure> -<blockquote cite="https://news.harvard.edu/gazette/story/newsplus/harvard-researchers-awarded-czi-open-source-award/"> - <p> El software de código abierto está acelerando la biomedicina. DeepLabCut permite el análisis automatizado de video del comportamiento animal utilizando Aprendizaje Profundo. -</p> - <p class="attribution">—Alexander Mathis, <em>Profesor Asistente, Escuela Politécnica Federal de Lausana</em> (<a href="https://www.epfl.ch/en/">EPFL</a>)</p> -</blockquote> +<blockquote cite="https://news.harvard.edu/gazette/story/newsplus/harvard-researchers-awarded-czi-open-source-award/"> + <p> El software de código abierto está acelerando la biomedicina. DeepLabCut permite el análisis automatizado de video del comportamiento animal utilizando Aprendizaje Profundo. +</p> + <p class="attribution">—Alexander Mathis, <em>Profesor Asistente, Escuela Politécnica Federal de Lausana</em> (<a href="https://www.epfl.ch/en/">EPFL</a>)</p> +</blockquote> -<h2 id="acerca-de-deeplabcut">Acerca de DeepLabCut<a class="headerlink" href="#acerca-de-deeplabcut" title="Link to this heading">#</a></h2> -<p><a href="https://github.com/DeepLabCut/DeepLabCut">DeepLabCut</a> es una caja de herramientas de código abierto que permite a los investigadores de cientos de instituciones de todo el mundo rastrear el comportamiento de animales de laboratorio, con muy pocos datos de entrenamiento, con una precisión de nivel humana. Con la tecnología DeepLabCut, los científicos pueden profundizar en la comprensión científica del control motriz y el comportamiento a través de especies animales y escalas temporales.</p>Caso de estudio: La primera imagen de un Agujero Negrohttps://numpy.org/es/case-studies/blackhole-image/Mon, 01 Jan 0001 00:00:00 +0000https://numpy.org/es/case-studies/blackhole-image/<figure class="align-default" id="id000"><img src="https://numpy.org/images/content_images/cs/blackhole.jpg" alt="Imagen de agujero negro" class="align-center"> +<h2 id="acerca-de-deeplabcut">Acerca de DeepLabCut<a class="headerlink" href="#acerca-de-deeplabcut" title="Link to this heading">#</a></h2> +<p><a href="https://github.com/DeepLabCut/DeepLabCut">DeepLabCut</a> es una caja de herramientas de código abierto que permite a los investigadores de cientos de instituciones de todo el mundo rastrear el comportamiento de animales de laboratorio, con muy pocos datos de entrenamiento, con una precisión de nivel humana. Con la tecnología DeepLabCut, los científicos pueden profundizar en la comprensión científica del control motriz y el comportamiento a través de especies animales y escalas temporales.</p>Caso de estudio: La primera imagen de un Agujero Negrohttps://numpy.org/es/case-studies/blackhole-image/Mon, 01 Jan 0001 00:00:00 +0000https://numpy.org/es/case-studies/blackhole-image/<figure class="align-default" id="id000"> +<img src="https://numpy.org/images/content_images/cs/blackhole.jpg" alt="Imagen de agujero negro" class="align-center"> -<figcaption><strong class="caption-title">Agujero Negro M87</strong><a class="headerlink" href="#id000" title="Link to this image">#</a><br><a href="https://www.jpl.nasa.gov/images/universe/20190410/blackhole20190410.jpg">(Créditos de la imagen: Colaboración del telescopio del Horizonte de Sucesos)</a> -<p><span class="caption-text"></span> -</figcaption> -</figure> +<figcaption><strong class="caption-title">Agujero Negro M87</strong><a class="headerlink" href="#id000" title="Link to this image">#</a><br><a href="https://www.jpl.nasa.gov/images/universe/20190410/blackhole20190410.jpg">(Créditos de la imagen: Colaboración del telescopio del Horizonte de Sucesos)</a> +<p><span class="caption-text"></span> +</figcaption> +</figure> -<blockquote cite="https://www.youtube.com/watch?v=BIvezCVcsYs"> - <p> +<blockquote cite="https://www.youtube.com/watch?v=BIvezCVcsYs"> + <p> Capturar imágenes del Agujero Negro M87 es como intentar ver algo que por definición es imposible de ver. -</p> - <p class="attribution">—Katie Bouman, <em>Profesora Asistente, Ciencias de la Computación &amp; Matemáticas, Caltech</em></p> -</blockquote> +</p> + <p class="attribution">—Katie Bouman, <em>Profesora Asistente, Ciencias de la Computación &amp; Matemáticas, Caltech</em></p> +</blockquote> -<h2 id="un-telescopio-del-tamaño-de-la-tierra">Un telescopio del tamaño de la Tierra<a class="headerlink" href="#un-telescopio-del-tamaño-de-la-tierra" title="Link to this heading">#</a></h2> -<p>El <a href="https://eventhorizontelescope.org"> Telescopio Event Horizon (EHT) </a>, es un conjunto de ocho radiotelescopios terrestres que forman un telescopio computacional del tamaño de la Tierra, estudiando al universo con una sensibilidad y resolución sin precedente. El enorme telescopio virtual, que utiliza una técnica llamada Interferometría de línea de base muy larga (VLBI), tiene una resolución angular de <a href="https://eventhorizontelescope.org/press-release-april-10-2019-astronomers-capture-first-image-black-hole">20 microsegundos de arco</a> — ¡suficiente para leer un periódico en Nueva York desde un café en la acera en París!</p>Estudio de caso: Análisis de críquet, ¡el cambio radical!https://numpy.org/es/case-studies/cricket-analytics/Mon, 01 Jan 0001 00:00:00 +0000https://numpy.org/es/case-studies/cricket-analytics/<figure class="align-default" id="id000"><img src="https://numpy.org/images/content_images/cs/ipl-stadium.png" alt="Copa y estadio de la Premier League de Críquet de India" class="align-center"> +<h2 id="un-telescopio-del-tamaño-de-la-tierra">Un telescopio del tamaño de la Tierra<a class="headerlink" href="#un-telescopio-del-tamaño-de-la-tierra" title="Link to this heading">#</a></h2> +<p>El <a href="https://eventhorizontelescope.org"> Telescopio Event Horizon (EHT) </a>, es un conjunto de ocho radiotelescopios terrestres que forman un telescopio computacional del tamaño de la Tierra, estudiando al universo con una sensibilidad y resolución sin precedente. El enorme telescopio virtual, que utiliza una técnica llamada Interferometría de línea de base muy larga (VLBI), tiene una resolución angular de <a href="https://eventhorizontelescope.org/press-release-april-10-2019-astronomers-capture-first-image-black-hole">20 microsegundos de arco</a> — ¡suficiente para leer un periódico en Nueva York desde un café en la acera en París!</p>Estudio de caso: Análisis de críquet, ¡el cambio radical!https://numpy.org/es/case-studies/cricket-analytics/Mon, 01 Jan 0001 00:00:00 +0000https://numpy.org/es/case-studies/cricket-analytics/<figure class="align-default" id="id000"> +<img src="https://numpy.org/images/content_images/cs/ipl-stadium.png" alt="Copa y estadio de la Premier League de Críquet de India" class="align-center"> -<figcaption><strong class="caption-title">IPLT20, el festival de críquet más grande en India</strong><a class="headerlink" href="#id000" title="Link to this image">#</a><br><a href="https://unsplash.com/@aksh1802">(Créditos de imagen: IPLT20 (copa y logo) &amp; Akash Yadav (estadio))</a> -<p><span class="caption-text"></span> -</figcaption> -</figure> +<figcaption><strong class="caption-title">IPLT20, el festival de críquet más grande en India</strong><a class="headerlink" href="#id000" title="Link to this image">#</a><br><a href="https://unsplash.com/@aksh1802">(Créditos de imagen: IPLT20 (copa y logo) &amp; Akash Yadav (estadio))</a> +<p><span class="caption-text"></span> +</figcaption> +</figure> -<blockquote cite="https://www.scoopwhoop.com/sports/ms-dhoni/"> - <p> No juegas para el público, juegas para el país. -</p> - <p class="attribution">—M S Dhoni, <em>Jugador Internacional de críquet, ex-capitán del equipo de India, juega para Chennai Super Kings en IPL</em></p> -</blockquote> +<blockquote cite="https://www.scoopwhoop.com/sports/ms-dhoni/"> + <p> No juegas para el público, juegas para el país. +</p> + <p class="attribution">—M S Dhoni, <em>Jugador Internacional de críquet, ex-capitán del equipo de India, juega para Chennai Super Kings en IPL</em></p> +</blockquote> -<h2 id="acerca-del-críquet">Acerca del críquet<a class="headerlink" href="#acerca-del-críquet" title="Link to this heading">#</a></h2> -<p>Sería una subestimación decir que a los indios les encanta el críquet. El juego se juega en casi todos los rincones de la India, rurales o urbanos, es popular entre los jóvenes y ancianos por igual, conectando miles de millones de personas en India como ningún otro deporte. El críquet disfruta de una gran atención mediática. Hay una cantidad importante de <a href="https://www.statista.com/topics/4543/indian-premier-league-ipl/">dinero</a> y fama en juego. En los últimos años, la tecnología ha cambiado literalmente las reglas del juego. El público tiene muchas opciones para elegir entre streaming de medios, torneos, acceso asequible a la visualización de críquet en vivo desde dispositivos móviles y más.</p>Estudio de Caso: Descubrimiento de Ondas Gravitacionaleshttps://numpy.org/es/case-studies/gw-discov/Mon, 01 Jan 0001 00:00:00 +0000https://numpy.org/es/case-studies/gw-discov/<figure class="align-default" id="id000"><img src="https://numpy.org/images/content_images/cs/gw_sxs_image.png" alt="coalescencia de un agujero negro binario generando ondas gravitacionales" class="align-center"> +<h2 id="acerca-del-críquet">Acerca del críquet<a class="headerlink" href="#acerca-del-críquet" title="Link to this heading">#</a></h2> +<p>Sería una subestimación decir que a los indios les encanta el críquet. El juego se juega en casi todos los rincones de la India, rurales o urbanos, es popular entre los jóvenes y ancianos por igual, conectando miles de millones de personas en India como ningún otro deporte. El críquet disfruta de una gran atención mediática. Hay una cantidad importante de <a href="https://www.statista.com/topics/4543/indian-premier-league-ipl/">dinero</a> y fama en juego. En los últimos años, la tecnología ha cambiado literalmente las reglas del juego. El público tiene muchas opciones para elegir entre streaming de medios, torneos, acceso asequible a la visualización de críquet en vivo desde dispositivos móviles y más.</p>Estudio de Caso: Descubrimiento de Ondas Gravitacionaleshttps://numpy.org/es/case-studies/gw-discov/Mon, 01 Jan 0001 00:00:00 +0000https://numpy.org/es/case-studies/gw-discov/<figure class="align-default" id="id000"> +<img src="https://numpy.org/images/content_images/cs/gw_sxs_image.png" alt="coalescencia de un agujero negro binario generando ondas gravitacionales" class="align-center"> -<figcaption><strong class="caption-title">Ondas Gravitacionales</strong><a class="headerlink" href="#id000" title="Link to this image">#</a><br><a href="https://youtu.be/Zt8Z_uzG71o">(Créditos de imagen: El proyecto Simulación de Espacio-tiempos eXtreme (SXS) en LIGO)</a> -<p><span class="caption-text"></span> -</figcaption> -</figure> +<figcaption><strong class="caption-title">Ondas Gravitacionales</strong><a class="headerlink" href="#id000" title="Link to this image">#</a><br><a href="https://youtu.be/Zt8Z_uzG71o">(Créditos de imagen: El proyecto Simulación de Espacio-tiempos eXtreme (SXS) en LIGO)</a> +<p><span class="caption-text"></span> +</figcaption> +</figure> -<blockquote cite="https://www.youtube.com/watch?v=BIvezCVcsYs"> - <p> El ecosistema científico de Python es una infraestructura crítica para la investigación realizada en LIGO. -</p> - <p class="attribution">—David Shoemaker, <em>Colaboración científica LIGO</em></p> -</blockquote> +<blockquote cite="https://www.youtube.com/watch?v=BIvezCVcsYs"> + <p> El ecosistema científico de Python es una infraestructura crítica para la investigación realizada en LIGO. +</p> + <p class="attribution">—David Shoemaker, <em>Colaboración científica LIGO</em></p> +</blockquote> -<h2 id="acerca-de-ondas-gravitacionaleshttpswwwnationalgeographiccomnews201710what-are-gravitational-waves-ligo-astronomy-science-y-ligohttpswwwligocaltechedu">Acerca de <a href="https://www.nationalgeographic.com/news/2017/10/what-are-gravitational-waves-ligo-astronomy-science/">Ondas Gravitacionales</a> y <a href="https://www.ligo.caltech.edu">LIGO</a><a class="headerlink" href="#acerca-de-ondas-gravitacionaleshttpswwwnationalgeographiccomnews201710what-are-gravitational-waves-ligo-astronomy-science-y-ligohttpswwwligocaltechedu" title="Link to this heading">#</a></h2> -<p>Las ondas gravitacionales son ondulaciones en el tejido del espacio y el tiempo, generadas por cataclismos en el universo, tales como la colisión y fusión de dos agujeros negros o la coalescencia de estrellas binarias o supernovas. La observación de Ondas Gravitacionales no solo puede ayudar en el estudio de la gravedad, sino también en la comprensión de algunos de los fenómenos oscuros en el universo distante y su impacto.</p> \ No newline at end of file +<h2 id="acerca-de-ondas-gravitacionales-y-ligo">Acerca de <a href="https://www.nationalgeographic.com/news/2017/10/what-are-gravitational-waves-ligo-astronomy-science/">Ondas Gravitacionales</a> y <a href="https://www.ligo.caltech.edu">LIGO</a><a class="headerlink" href="#acerca-de-ondas-gravitacionales-y-ligo" title="Link to this heading">#</a></h2> +<p>Las ondas gravitacionales son ondulaciones en el tejido del espacio y el tiempo, generadas por cataclismos en el universo, tales como la colisión y fusión de dos agujeros negros o la coalescencia de estrellas binarias o supernovas. La observación de Ondas Gravitacionales no solo puede ayudar en el estudio de la gravedad, sino también en la comprensión de algunos de los fenómenos oscuros en el universo distante y su impacto.</p> \ No newline at end of file diff --git a/es/citing-numpy/index.html b/es/citing-numpy/index.html index 0b4b5518..98899516 100644 --- a/es/citing-numpy/index.html +++ b/es/citing-numpy/index.html @@ -1,7 +1,6 @@ -NumPy - Citando a NumPy -NumPy - Citando a NumPy

    Citando a NumPy

    Si NumPy ha sido importante en tu investigación y deseas reconocer el proyecto en tu publicación académica, te sugerimos que cites el siguiente documento:

    En formato BibTeX:

    @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
@@ -32,5 +31,5 @@
  doi           = {10.1038/s41586-020-2649-2},
  publisher     = {Springer Science and Business Media {LLC}},
  url           = {https://doi.org/10.1038/s41586-020-2649-2}
-}
    On this page
    \ No newline at end of file +}
    On this page
    \ No newline at end of file diff --git a/es/code-of-conduct/index.html b/es/code-of-conduct/index.html index 0d0110e7..cb9d150f 100644 --- a/es/code-of-conduct/index.html +++ b/es/code-of-conduct/index.html @@ -1,5 +1,4 @@ -NumPy - Código de conducta de NumPy -

    Código de conducta de NumPy

    Introducción#

    Este Código de Conducta aplica en todos los espacios gestionados por el proyecto NumPy, incluyendo todas las listas de correo públicas y privadas, gestores de incidencias, wikis, blogs, X (antes llamado Twitter) y cualquier otro canal de comunicación utilizado por nuestra comunidad. El proyecto NumPy no organiza eventos en persona; sin embargo, los eventos relacionados con nuestra comunidad deben tener un código de conducta similar a este.

    Este Código de Conducta debe ser respetado por todos los que participan en la comunidad NumPy formalmente o informalmente, o reclaman cualquier afiliación con el proyecto, en cualquier actividad relacionada con el proyecto y especialmente cuando representan el proyecto de cualquier manera.

    Este código no es exhaustivo ni completo. Sirve para sintetizar nuestro entendimiento común de un entorno y unos objetivos compartidos y de colaboración. Por favor, intenta seguir este código tanto en el espíritu como en la letra, para crear un ambiente cordial y productivo que enriquezca a la comunidad circundante.

    Directrices Específicas#

    Nos esforzamos por:

    1. Ser abiertos. Invitamos a todas las personas a participar en nuestra comunidad. Preferimos utilizar métodos de comunicación públicos para los mensajes relacionados con el proyecto, a menos que se trate de algo delicado. Esto se aplica también a los mensajes de ayuda o soporte relacionados con el proyecto; no sólo es mucho más probable que una solicitud de soporte pública dé lugar a una respuesta a una pregunta, sino que también garantiza que cualquier error involuntario en la respuesta se detecte y corrija más fácilmente.
    2. Ser empáticos, cordiales, amables y pacientes. Trabajamos juntos para resolver los conflictos y asumimos que hay buenas intenciones. Todos podemos experimentar cierta frustración de vez en cuando, pero no permitimos que la frustración se convierta en un ataque personal. Una comunidad en la que la gente se siente incómoda o amenazada no es productiva.
    3. Ser colaborativos. Nuestro trabajo será utilizado por otras personas, y a su vez dependeremos del trabajo de otros. Cuando hacemos algo en beneficio del proyecto, estamos dispuestos a explicar a otros cómo funciona, de manera que puedan construir sobre este trabajo para hacerlo aún mejor. Cualquier decisión que tomemos afectará a usuarios y colegas, y nos tomamos en serio esas consecuencias a la hora de tomar decisiones.
    4. Ser curiosos. ¡Nadie lo sabe todo! Hacer preguntas tempranas evita muchos problemas posteriores, por lo que fomentamos las preguntas, aunque las podamos redirigir al foro adecuado. Nos esforzaremos por ser receptivos y útiles.
    5. Ser cuidadosos con las palabras que elegimos. Somos cuidadosos y respetuosos en nuestra comunicación, y asumimos la responsabilidad del lenguaje que utilizamos. Ser amables con los demás. No insultes ni menosprecies a los demás participantes. No aceptaremos el acoso ni otros comportamientos excluyentes, tales como:
      • Amenazas o expresiones violentas dirigidas a otra persona.
      • Bromas y lenguaje sexista, racista o discriminatorio.
      • Publicar material sexualmente explícito o violento.
      • Publicar (o amenazar con publicar) información de identificación personal de otras personas (“doxing”).
      • Compartir contenido privado, como correos electrónicos enviados de forma privada o no pública, o foros no registrados como el historial de canales IRC, sin el consentimiento del remitente.
      • Insultos personales, especialmente aquellos que utilizan términos racistas o sexistas.
      • Atención sexual no deseada.
      • Uso excesivo de lenguaje inapropiado. Por favor, evite las palabras soeces; las personas difieren mucho en su sensibilidad a las malas palabras.
      • Acoso reiterado a los demás. En general, si alguien le pide que se detenga, entonces deténgase.
      • Abogar o alentar cualquiera de las conductas anteriormente mencionadas.

    Declaración de Diversidad#

    El proyecto NumPy acoge y fomenta la participación de todos. Estamos comprometidos a ser una comunidad de la que todo el mundo disfrute ser parte. Aunque puede que no siempre seamos capaces de satisfacer las preferencias de cada individuo, intentamos al máximo tratar a todos con amabilidad.

    No importa cómo te identifiques o cómo te perciban los demás: te damos la bienvenida. Aunque ninguna lista puede esperar ser exhaustiva, honramos explícitamente la diversidad en: edad, cultura, etnia, genotipo, identidad o expresión de género, lengua, origen nacional, neurotipo, fenotipo, creencias políticas, profesión, raza, religión, orientación sexual, estatus socioeconómico, subcultura y capacidad técnica, en la medida en que éstas no entren en conflicto con este código de conducta.

    Aunque aceptamos a personas con dominio de cualquier idioma, el desarrollo de NumPy se lleva a cabo en inglés.

    Los estándares de comportamiento en la comunidad NumPy se detallan en el Código de Conducta anterior. Los participantes de nuestra comunidad deben respetar estos estándares en todas sus interacciones y ayudar a los demás a hacer lo mismo (véase la siguiente sección).

    Directrices Para La Presentación De Informes#

    Sabemos que es dolorosamente común que la comunicación en Internet comience o se convierta en un abuso evidente y manifiesto. También reconocemos que a veces la gente puede tener un mal día, o no ser consciente de algunas de las directrices de este Código de Conducta. Por favor, tenga esto en cuenta a la hora de decidir cómo responder a una violación de este Código.

    En caso de infracciones claramente intencionadas, informe de éstas al Comité de Código de Conducta (ver más abajo). En caso de infracciones posiblemente involuntarias, puede responder a la persona y señalar este código de conducta (tanto en público como en privado, lo que sea más apropiado). Si prefiere no hacerlo, por favor siéntase libre de informar directamente al Comité de Código de Conducta o de pedirle consejo a éste de forma confidencial.

    Puede informar de los problemas al Comité de Código de Conducta de NumPy en numpy-conduct@googlegroups.com.

    Actualmente, el Comité está compuesto por:

    Si tu informe implica a algún miembro del Comité, o si éste considera que tiene un conflicto de intereses en su tramitación, se abstendrán de examinar tu denuncia. Alternativamente, si por cualquier razón usted se siente incómodo haciendo un informe al Comité, también puede ponerse en contacto con el personal senior de NumFOCUS en conduct@numfocus.org.

    Resolución de reporte de informes & aplicación del Código de Conducta#

    Esta sección resume los puntos más importantes, puede encontrar más detalles en el Código de Conducta de NumPy - Cómo hacer seguimiento a un informe.

    Investigaremos y responderemos a todas las quejas. El Comité de Código de Conducta de NumPy y el Consejo Directivo de NumPy (en caso de estar involucrado) protegerán la identidad del denunciante y tratarán el contenido de las denuncias con carácter confidencial (a menos que el denunciante acuerde lo contrario).

    En caso de infracciones graves y evidentes, por ejemplo, amenaza personal o lenguaje violento, sexista o racista, desconectaremos inmediatamente al originador de los canales de comunicación de NumPy; por favor consulte el manual para obtener más detalles.

    En casos que no impliquen violaciones claras y graves u obvias de este Código de Conducta, el proceso de actuación sobre cualquier informe de violación del Código de Conducta recibido será:

    1. acusar recibo del informe,
    2. una discusión/retroalimentación razonable,
    3. mediación (si la retroalimentación no fue útil, y únicamente si tanto el denunciante como el denunciado están de acuerdo con ello),
    4. aplicación a través de una decisión transparente (ver Resoluciones) por parte del Comité de Código de conducta.

    El Comité responderá a cualquier informe lo antes posible y dentro de un plazo máximo de 72 horas.

    Notas finales#

    Damos las gracias a los grupos que están detrás de los siguientes documentos, de los que hemos sacado contenido e inspiración:

    On this page
    \ No newline at end of file diff --git a/es/community/index.html b/es/community/index.html index fc281b24..52bea081 100644 --- a/es/community/index.html +++ b/es/community/index.html @@ -1,6 +1,5 @@ -NumPy - Comunidad -

    Comunidad

    NumPy es un proyecto de código abierto impulsado por la comunidad y desarrollado por un grupo diverso de colaboradores. El liderazgo de NumPy se ha comprometido firmemente a crear una comunidad abierta, inclusiva y positiva. Por favor, lee el Código de Conducta de NumPy para obtener orientación sobre cómo interactuar con los demás de una manera que haga que la comunidad prospere.

    Ofrecemos varios canales de comunicación para aprender, compartir conocimientos y conectarse con otros dentro de la comunidad de NumPy.

    Participa en línea#

    Las siguientes son formas de relacionarse directamente con el proyecto y la comunidad de NumPy. Ten en cuenta que animamos a los usuarios y a los miembros de la comunidad a apoyarse mutuamente por preguntas de uso - ver Obtener ayuda.

    Lista de correo de NumPy#

    Este es el foro principal para discusiones más extensas, como añadir nuevas características a NumPy, hacer cambios en el mapa de ruta de NumPy, y todo tipo de proceso de toma de decisiones sobre el proyecto. Aquí también se realizan los anuncios sobre NumPy, tales como lanzamientos, reuniones de desarrolladores, sprints o charlas en conferencias.

    En esta lista, por favor, utiliza el botón de envío inferior, responde a la lista (en lugar de a otro remitente) y no respondas a los resúmenes. El archivo de consulta de esta lista está disponible aquí.

    Seguimiento de incidencias en GitHub#

    Ten en cuenta que GitHub no es el lugar adecuado para reportar una vulnerabilidad de seguridad. Si crees que has encontrado una vulnerabilidad de seguridad en NumPy, por favor repórtalo aquí.

    Slack#

    Una sala de chat en tiempo real para hacer preguntas sobre las contribuciones a NumPy. Este es un espacio privado, destinado específicamente a las personas que no se atreven a plantear sus preguntas o ideas en la lista de correo pública o en GitHub. Por favor, visita aquí para más detalles, y sobre cómo obtener una invitación.

    Grupos de Estudio y Reuniones#

    Si desea encontrar un grupo de estudio o reunión local para aprender más sobre NumPy y el ecosistema más amplio de paquetes de Python para ciencia de datos y computación científica, te recomendamos que explores los PyData meetups (más de 150 reuniones, más de 100,000 miembros).

    NumPy también organiza ocasionalmente sprints presenciales para su equipo y colaboradores interesados. Estos normalmente se planifican con varios meses de anticipación y se anunciarán en la lista de correo y en X (antes conocido como Twitter).

    Conferencias#

    El proyecto NumPy no organiza sus propias conferencias. Las conferencias que tradicionalmente han sido más populares entre los responsables, colaboradores y usuarios de NumPy son la serie de conferencias de SciPy y PyData:

    Muchas de estas conferencias incluyen tutoriales y/o sprints que cubren NumPy, en donde puedes aprender cómo contribuir a Numpy o proyectos de código abierto relacionados.

    Únete a la comunidad NumPy#

    Para prosperar, el proyecto NumPy necesita tu experiencia y entusiasmo. ¿No sabes programar? ¡No es un problema! Hay muchas maneras de contribuir a NumPy.

    Si te interesa colaborar en NumPy (¡hurra!) te recomendamos que visites nuestra página Contribuir.

    No dudes en pasar a saludarnos en uno de nuestros encuentros de la comunidad. Para enterarte del próximo, consulta nuestro calendario de eventos aquí.

    On this page
    \ No newline at end of file diff --git a/es/contribute/index.html b/es/contribute/index.html index 10a7f78c..0f518844 100644 --- a/es/contribute/index.html +++ b/es/contribute/index.html @@ -1,7 +1,6 @@ -NumPy - Contribuye a NumPy -NumPy - Contribuye a NumPy

    Contribuye a NumPy

    ¡El proyecto NumPy agradece tu experiencia y entusiasmo! Tus opciones no se limitan a la programación. Como puedes ver más abajo, existen muchas áreas en las que necesitamos tu ayuda.

    Si no estás seguro por dónde empezar o cómo encajan tus habilidades, ¡acércate! Puedes preguntar en la lista de correos o GitHub (abre una propuesta o comenta en una relevante).

    Estos son nuestros canales preferidos (el código abierto es abierto por naturaleza), pero si prefieres hablar de manera privada, contacta a nuestros coordinadores de la comunidad en numpy-team@googlegroups.com o en Slack (escribe a numpy-team@googlegroups.com para recibir una invitación).

    También hacemos llamadas a la comunidad de manera quincenal, cuyos detalles se anuncian en la lista de correo. Te invitamos a unirte. Si es la primera vez que contribuyes al código abierto, también te recomendamos encarecidamente que leas esta guía.

    Nuestra comunidad aspira a tratar a todos por igual y a valorar todas las contribuciones. Tenemos un Código de Conducta para fomentar un entorno abierto y acogedor.

    Escribiendo código#

    Programadores, esta guía explica cómo contribuir al código base.
    También revisa nuestro canal de YouTube por consejos adicionales.

    Revisando solicitudes de cambios#

    El proyecto tiene más de 250 solicitudes de cambios abiertos, lo que significa muchas mejoras potenciales y muchos colaboradores de código abierto esperando retroalimentación. Si eres un desarrollador que conoce NumPy, puedes ayudar aunque no estés familiarizado con el código base. Puedes:

    Creando material educativo#

    La Guía de usuario de NumPy está en proceso de rehabilitación. Necesitamos nuevos tutoriales, instrucciones y explicaciones detalladas, y la página necesita una reestructuración. Las oportunidades no se limitan a escritores. También ejemplos prácticos, notebooks y vídeos. La propuesta NEP 44 - Reestructuración de la Documentación NumPy expone nuestras ideas – y tal vez tú puedas tener otras.

    Clasificación de propuestas#

    El rastreador de propuestas de NumPy tiene muchos temas abiertos. Algunos ya no son válidos, otros deberían priorizarse y otros serían buenos temas para nuevos colaboradores. Puedes:

    Por favor, solo sumérgete.

    Desarrollo de la Página Web#

    Acabamos de renovar nuestro sitio web, pero aún no hemos terminado. Si te gusta el desarrollo web, estas incidencias enumeran algunas de nuestras necesidades insatisfechas – y no dudes en compartir tus propias ideas.

    Diseño gráfico#

    Apenas podemos empezar a enumerar las aportaciones que puede hacer un diseñador gráfico. Nuestra documentación está sedienta de ilustraciones; nuestro sitio web, en pleno crecimiento, ansía imágenes… las oportunidades abundan.

    Traduciendo el contenido de la página web#

    Planeamos múltiples traducciones de numpy.org para hacer a NumPy accesible a los usuarios en su lengua materna. Los traductores voluntarios son el núcleo de este esfuerzo. Consulta aquí para más información; comenta en este tema de GitHub para inscribirte.

    Coordinación y divulgación de la comunidad#

    A través del contacto con la comunidad compartimos nuestro trabajo más ampliamente, y aprendemos en dónde nos estamos quedando cortos. Estamos ansiosos por conseguir más gente involucrada en esfuerzos como nuestra cuenta de X (antes llamado Twitter), organizando code sprints de NumPy, un boletín y quizás un blog.

    Recaudación de fondos#

    NumPy fue durante muchos años un proyecto voluntario, pero a medida que crecía su importancia se hizo evidente que necesitaríamos apoyo financiero para garantizar su estabilidad y crecimiento. Esta charla en SciPy'19 explica cuánta diferencia ha supuesto este apoyo. Como todo en el mundo sin ánimo de lucro, estamos constantemente en busca de subvenciones, patrocinios y otros tipos de ayuda. Tenemos varias ideas y, por supuesto, aceptamos más. La recaudación de fondos es una habilidad escasa aquí – apreciaríamos tu ayuda.

    Donar#

    Si deseas contribuir a NumPy haciendo una donación, visita https://numpy.org/about/#donate

    On this page
    \ No newline at end of file diff --git a/es/gethelp/index.html b/es/gethelp/index.html index 74169fc5..672398d2 100644 --- a/es/gethelp/index.html +++ b/es/gethelp/index.html @@ -1,7 +1,6 @@ -NumPy - Buscar Ayuda -NumPy - Buscar Ayuda

    Buscar Ayuda

    Problemas de desarrollo: Para asuntos relacionados con el desarrollo de NumPy (por ejemplo, informes de errores), por favor consulte la sección de Comunidad.

    Preguntas de los usuarios: La mejor manera de obtener ayuda es publicar tu pregunta en un sitio como StackOverflow o Reddit. Nos gustaría poder estar al tanto de estos sitios, o responder preguntas de manera directa, ¡pero el volumen es algo abrumador!

    StackOverflow#

    Un foro para hacer preguntas de uso, como por ejemplo: “¿Cómo hago X cosa en NumPy?”. Por favor usa la etiqueta #numpy

    Reddit#

    Otro foro para hacer preguntas de uso.

    On this page
    \ No newline at end of file diff --git a/es/history/index.html b/es/history/index.html index 23d53ca8..07065cd2 100644 --- a/es/history/index.html +++ b/es/history/index.html @@ -1,5 +1,4 @@ -NumPy - Historia de NumPy -

    Historia de NumPy

    NumPy es una librería fundamental de Python que proporciona estructuras de datos de arreglos y rutinas numéricas rápidas relacionadas. Cuando se puso en marcha, la librería contaba con escasos fondos y la escribían principalmente estudiantes de posgrado, muchos de ellos sin formación en ciencias de la computación y, a menudo, sin la bendición de sus asesores. Imaginar siquiera que un pequeño grupo de estudiantes programadores “rebeldes” pudiera derribar el ecosistema de software de investigación, ya establecido y respaldado por millones en financiación y cientos de ingenieros altamente cualificados, era absurdo. Sin embargo, las motivaciones filosóficas detrás de la pila de herramientas totalmente abierta, en combinación con una comunidad entusiasta y amigable con un enfoque singular, han demostrado ser favorable a largo plazo. Hoy en día, científicos, ingenieros y muchos otros profesionales en todo el mundo confían en NumPy. Por ejemplo, los scripts publicados usados en el análisis de ondas gravitacionales importan NumPy, y el proyecto de imagen del agujero negro M87 cita directamente a NumPy.

    Para conocer en profundidad los hitos en el desarrollo de NumPy y las librerías relacionadas, consulta arxiv.org.

    Si deseas obtener una copia de las librerías originales Numeric y Numarray, sigue los siguientes enlaces:

    Página de Descarga de Numeric*

    Página de Descarga de Numarray*

    *Ten en cuenta que estos paquetes antiguos ya no se mantienen, y se recomienda encarecidamente a los usuarios que utilicen NumPy para cualquier propósito relacionado con arreglos o que refactoricen cualquier código preexistente para utilizar la librería NumPy.

    Documentación Histórica#

    Descarga el Manual de `Numeric’

    On this page
    \ No newline at end of file diff --git a/es/index.html b/es/index.html index d5b19ab9..236ff8d5 100644 --- a/es/index.html +++ b/es/index.html @@ -1,4 +1,4 @@ -NumPy -