New translations tabcontents.yaml (Japanese)

Author: rgommers

content/ja/tabcontents.yaml

@@ -1,27 +1,27 @@
 machinelearning:
   paras:
     - 
-      para1: NumPy forms the basis of powerful machine learning libraries like [scikit-learn](https://scikit-learn.org) and [SciPy](https://www.scipy.org). As machine learning grows, so does the list of libraries built on NumPy. [TensorFlow’s](https://www.tensorflow.org) deep learning capabilities have broad applications — among them speech and image recognition, text-based applications, time-series analysis, and video detection. [PyTorch](https://pytorch.org), another deep learning library, is popular among researchers in computer vision and natural language processing. [MXNet](https://github.com/apache/incubator-mxnet) is another AI package, providing blueprints and templates for deep learning.
-      para2: Statistical techniques called [ensemble](https://towardsdatascience.com/ensemble-methods-bagging-boosting-and-stacking-c9214a10a205) methods such as binning, bagging, stacking, and boosting are among the ML algorithms implemented by tools such as [XGBoost](https://github.com/dmlc/xgboost), [LightGBM](https://lightgbm.readthedocs.io/en/latest/), and [CatBoost](https://catboost.ai) — one of the fastest inference engines. [Yellowbrick](https://www.scikit-yb.org/en/latest/) and [Eli5](https://eli5.readthedocs.io/en/latest/) offer machine learning visualizations.
+      para1: NumPyは、[scikit-learn](https://scikit-learn.org)や[SciPy](https://www.scipy.org)のような強力な機械学習ライブラリの基礎を形成しています。機械学習の技術分野が成長するにつれ、NumPyをベースにしたライブラリの数も増えています。[TensorFlow](https://www.tensorflow.org)の深層学習機能は、音声認識や画像認識、テキストベースのアプリケーション、時系列分析、動画検出など、幅広い応用用途があります。[PyTorch](https://pytorch.org)も、コンピュータビジョンや自然言語処理の研究者に人気のある深層学習ライブラリです。[MXNet](https://github.com/apache/incubator-mxnet)もAIパッケージの一つで、深層学習の設計図やテンプレート機能を提供しています。
+      para2: '[ensemble](https://towardsdatascience.com/ensemble-methods-bagging-boosting-and-stacking-c9214a10a205)法と呼ばれる統計的手法であるビンニング、バギング、スタッキングや、[XGBoost](https://github.com/dmlc/xgboost)、[LightGBM](https://lightgbm.readthedocs.io/en/latest/)、[CatBoost](https://catboost.ai)などのツールで実装されているブースティングなどは、機械学習アルゴリズムの一つであり、最速の推論エンジンの一つです。[Yellowbrick](https://www.scikit-yb.org/en/latest/)や[Eli5](https://eli5.readthedocs.io/en/latest/)は機械学習の可視化機能を提供しています。'
 arraylibraries:
   intro:
     - 
-      text: NumPy's API is the starting point when libraries are written to exploit innovative hardware, create specialized array types, or add capabilities beyond what NumPy provides.
+      text: NumPyのAPIは、革新的なハードウェアを利用したり、特殊な配列タイプを作成したり、NumPyが提供する以上の機能を追加するためにライブラリを作成する際の基礎となります。
   headers:
     - 
-      text: Array Library
+      text: 配列ライブラリ
     - 
-      text: Capabilities & Application areas
+      text: 機能と応用分野
   libraries:
     - 
       title: Dask
-      text: Distributed arrays and advanced parallelism for analytics, enabling performance at scale.
+      text: 分析用の分散配列と高度な並列処理により、大規模な処理を可能にします。
       img: /images/content_images/arlib/dask.png
       alttext: Dask
       url: https://dask.org/
     - 
       title: CuPy
-      text: NumPy-compatible array library for GPU-accelerated computing with Python.
+      text: Python を使用した GPUによる高速計算用のNumPy互換配列ライブラリ
       img: /images/content_images/arlib/cupy.png
       alttext: CuPy
       url: https://cupy.chainer.org
@@ -33,37 +33,37 @@ arraylibraries:
       url: https://github.com/google/jax
     - 
       title: Xarray
-      text: Labeled, indexed multi-dimensional arrays for advanced analytics and visualization
+      text: 高度な分析と視覚化のためのラベルとインデックス付き多次元配列
       img: /images/content_images/arlib/xarray.png
       alttext: xarray
       url: https://xarray.pydata.org/en/stable/index.html
     - 
       title: Sparse
-      text: NumPy-compatible sparse array library that integrates with Dask and SciPy's sparse linear algebra.
+      text: Dask と SciPy の疎行列の線形代数ライブラリを統合した、Numpy 互換の疎行列ライブラリ
       img: /images/content_images/arlib/sparse.png
       alttext: sparse
       url: https://sparse.pydata.org/en/latest/
     - 
       title: PyTorch
-      text: Deep learning framework that accelerates the path from research prototyping to production deployment.
+      text: 研究用のプロトタイピングから本番運用への展開を加速させる、深層学習フレームワーク
       img: /images/content_images/arlib/pytorch-logo-dark.svg
       alttext: PyTorch
       url: https://pytorch.org/
     - 
       title: TensorFlow
-      text: An end-to-end platform for machine learning to easily build and deploy ML powered applications.
+      text: 機械学習を利用したアプリケーションを簡単に構築・展開するための、エンド・ツー・エンドの機械学習プラットフォーム
       img: /images/content_images/arlib/tensorflow-logo.svg
       alttext: TensorFlow
       url: https://www.tensorflow.org
     - 
       title: MXNet
-      text: Deep learning framework suited for flexible research prototyping and production.
+      text: 柔軟や研究用のプロトタイピングから、実際の運用まで利用可能な深層学習フレームワーク
       img: /images/content_images/arlib/mxnet_logo.png
       alttext: MXNet
       url: https://mxnet.apache.org/
     - 
       title: Arrow
-      text: A cross-language development platform for columnar in-memory data and analytics.
+      text: 列型のインメモリーデータやその分析のための、複数の言語に対応した開発プラットフォーム
       img: /images/content_images/arlib/arrow.png
       alttext: arrow
       url: https://github.com/apache/arrow
@@ -144,23 +144,23 @@ scientificdomains:
       alttext: A test tube.
       img: /images/content_images/sc_dom_img/chemistry.svg
     - 
-      title: Geoscience
-      alttext: The Earth.
+      title: 地球科学
+      alttext: 地球
       img: /images/content_images/sc_dom_img/geoscience.svg
     - 
-      title: Geographic Processing
-      alttext: A map.
+      title: 地理情報処理
+      alttext: 地図
       img: /images/content_images/sc_dom_img/GIS.svg
     - 
-      title: Architecture & Engineering
-      alttext: A microprocessor development board.
+      title: アーキテクチャとエンジニアリング
+      alttext: マイクロプロセッサ開発ボード
       img: /images/content_images/sc_dom_img/robotics.svg
 datascience:
-  intro: "NumPy lies at the core of a rich ecosystem of data science libraries. A typical exploratory data science workflow might look like:"
+  intro: "Numpy は豊富なデータサイエンスライブラリのエコシステムの中核にあります。一般的なデータサイエンスのワークフローは次のようになります。"
   image1:
     - 
       img: /images/content_images/ds-landscape.png
-      alttext: Diagram of Python Libraries. The five catagories are 'Extract, Transform, Load', 'Data Exploration', 'Data Modeling', 'Data Evaluation' and 'Data Presentation'.
+      alttext: Python ライブラリの図 。5 つのカテゴリに分類され、「抽出、変換、読み込み」、「データ探索」、「モデリング」、「評価」、「可視化」です。
   image2:
     - 
       img: /images/content_images/data-science.png
@@ -182,37 +182,37 @@ visualization:
     - 
       url: https://www.fusioncharts.com/blog/best-python-data-visualization-libraries
       img: /images/content_images/v_matplotlib.png
-      alttext: A streamplot made in matplotlib
+      alttext: matplotlibで作られたストリームプロット
     - 
       url: https://github.com/yhat/ggpy
       img: /images/content_images/v_ggpy.png
-      alttext: A scatter-plot graph made in ggpy
+      alttext: ggpyで作られた散布図グラフ
     - 
       url: https://www.journaldev.com/19692/python-plotly-tutorial
       img: /images/content_images/v_plotly.png
-      alttext: A box-plot made in plotly
+      alttext: plotyで作られた箱ひげ図
     - 
-      url: https://altair-viz.github.io/gallery/streamgraph.html
+      url: https://alta-viz.github.io/gallery/streamgraph.html
       img: /images/content_images/v_altair.png
-      alttext: A streamgraph made in altair
+      alttext: altairで作られたストリームグラフ
     - 
       url: https://seaborn.pydata.org
       img: /images/content_images/v_seaborn.png
-      alttext: A pairplot of two types of graph, a plot-graph and a frequency graph made in seaborn"
+      alttext: 2種類のグラフによるペアプロット。seabornで作られたプロットと周波数グラフ"
     - 
       url: https://docs.pyvista.org/examples/index.html
       img: /images/content_images/v_pyvista.png
-      alttext: A 3D volume rendering made in PyVista.
+      alttext: PyVista製の3Dボリュームレンダリング
     - 
       url: https://napari.org
       img: /images/content_images/v_napari.png
-      alttext: A multi-dimensionan image made in napari.
+      alttext: ナパリで作られた多次元画像
     - 
       url: https://vispy.org/gallery/index.html
       img: /images/content_images/v_vispy.png
-      alttext: A Voronoi diagram made in vispy.
+      alttext: vispyで作られたボロノイ図
   content:
     - 
-      text: NumPy is an essential component in the burgeoning [Python visualization landscape](https://pyviz.org/overviews/index.html), which includes [Matplotlib](https://matplotlib.org), [Seaborn](https://seaborn.pydata.org), [Plotly](https://plot.ly), [Altair](https://altair-viz.github.io), [Bokeh](https://docs.bokeh.org/en/latest/), [Holoviz](https://holoviz.org), [Vispy](http://vispy.org), [Napari](https://github.com/napari/napari), and [PyVista](https://github.com/pyvista/pyvista), to name a few.
+      text: NumPyは、[Matplotlib](https://matplotlib.org)、[Seaborn](https://seaborn.pydata.org)、[Plotly](https://plot.ly)、[Altair](https://altair-viz.github.io)、[Bokeh](https://docs.bokeh.org/en/latest/)、[Holoviz](https://holoviz.org)、[Vispy](http://vispy.org)、[Napari](https://github.com/napari/napari)、[PyVista](https://github.com/pyvista/pyvista)などの、急成長している[Python visualization landscape](https://pyviz.org/overviews/index.html)に欠かせないコンポーネントです。
     - 
-      text: NumPy's accelerated processing of large arrays allows researchers to visualize datasets far larger than native Python could handle.
+      text: NumPy の大規模配列の高速処理により、研究者はネイティブの Python が扱うことができるよりも、はるかに大きなデータセットを可視化することができます。