New translations tabcontents.yaml (Portuguese, Brazilian)

Author: rgommers

content/pt/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: O NumPy forma a base de bibliotecas de aprendizagem de máquina poderosas como [scikit-learn](https://scikit-learn.org) e [SciPy](https://www.scipy.org). À medida que a disciplina de aprendizagem de máquina cresce, a lista de bibliotecas construidas a partir do NumPy também cresce. As funcionalidades de deep learning do [TensorFlow](https://www.tensorflow.org) tem diversas aplicações — entre elas, reconhecimento de imagem e de fala, aplicações baseadas em texto, análise de séries temporais, e detecção de vídeo. O [PyTorch](https://pytorch.org), outra biblioteca de deep learning, é popular entre pesquisadores em visão computacional e processamento de linguagem natural. O [MXNet](https://github.com/apache/incubator-mxnet) é outro pacote de IA, que fornece templates e protótipos para deep learning.
+      para2: Técnicas estatísticas chamadas métodos de [ensemble](https://towardsdatascience.com/ensemble-methods-bagging-boosting-and-stacking-c9214a10a205) tais como binning, bagging, stacking, e boosting estão entre os algoritmos de ML implementados por ferramentas tais como [XGBoost](https://github.com/dmlc/xgboost), [LightGBM](https://lightgbm.readthedocs.io/en/latest/), e [CatBoost](https://catboost.ai) — um dos motores de inferência mais rápidos. [Yellowbrick](https://www.scikit-yb.org/en/latest/) e [Eli5](https://eli5.readthedocs.io/en/latest/) oferecem visualizações para aprendizagem de máquina.
 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: A API do NumPy é o ponto de partida quando bibliotecas são escritas para explorar hardware inovador, criar tipos de arrays especializados, ou adicionar capacidades além do que o NumPy fornece.
   headers:
     - 
-      text: Array Library
+      text: Biblioteca de Arrays
     - 
-      text: Capabilities & Application areas
+      text: Recursos e áreas de aplicação
   libraries:
     - 
       title: Dask
-      text: Distributed arrays and advanced parallelism for analytics, enabling performance at scale.
+      text: Arrays distribuídas e paralelismo avançado para análise, permitindo desempenho em escala.
       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: Biblioteca de matriz compatível com NumPy para computação acelerada pela GPU com Python.
       img: /images/content_images/arlib/cupy.png
       alttext: CuPy
       url: https://cupy.chainer.org
@@ -33,43 +33,43 @@ arraylibraries:
       url: https://github.com/google/jax
     - 
       title: Xarray
-      text: Labeled, indexed multi-dimensional arrays for advanced analytics and visualization
+      text: Arrays multidimensionais rotuladas e indexadas para análise e visualização avançadas
       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: Biblioteca de arrays compatíveis com o NumPy que pode ser integrada com Dask e álgebra linear esparsa da SciPy.
       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: Framework de deep learning que acelera o caminho entre prototipação de pesquisa e colocação em produção.
       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: Uma plataforma completa para aprendizagem de máquina que permite construir e colocar em produção aplicações usando ML facilmente.
       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: Framework de deep learning voltado para flexibilizar prototipação em pesquisa e produção.
       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: Uma plataforma de desenvolvimento multi-linguagens para dados e análise para dados armazenados em colunas na memória.
       img: /images/content_images/arlib/arrow.png
       alttext: arrow
       url: https://github.com/apache/arrow
     - 
       title: xtensor
-      text: Multi-dimensional arrays with broadcasting and lazy computing for numerical analysis.
+      text: Arrays multidimensionais com broadcasting e avaliação preguiçosa (lazy computing) para análise numérica.
       img: /images/content_images/arlib/xtensor.png
       alttext: xtensor
       url: https://github.com/xtensor-stack/xtensor-python
@@ -81,86 +81,86 @@ arraylibraries:
       url: https://xnd.io
     - 
       title: uarray
-      text: Python backend system that decouples API from implementation; unumpy provides a NumPy API.
+      text: Sistema de backend Python que dissocia a API da implementação; unumpy fornece uma API NumPy.
       img: /images/content_images/arlib/uarray.png
       alttext: uarray
       url: https://uarray.org/en/latest/
     - 
       title: tensorly
-      text: Tensor learning, algebra and backends to seamlessly use NumPy, MXNet, PyTorch, TensorFlow or CuPy.
+      text: Ferramentas para aprendizagem com tensores, algebra e backends para usar NumPy, MXNet, PyTorch, TensorFlow ou CuPy sem esforço.
       img: /images/content_images/arlib/tensorly.png
       alttext: tensorly
       url: http://tensorly.org/stable/home.html
 scientificdomains:
   intro:
     - 
-      text: Nearly every scientist working in Python draws on the power of NumPy.
+      text: Quase todos os cientistas que trabalham em Python se baseiam na potência do NumPy.
     - 
-      text: "NumPy brings the computational power of languages like C and Fortran to Python, a language much easier to learn and use. With this power comes simplicity: a solution in NumPy is often clear and elegant."
+      text: "NumPy traz o poder computacional de linguagens como C e Fortran para Python, uma linguagem muito mais fácil de aprender e usar. Com esse poder vem a simplicidade: uma solução no NumPy é frequentemente clara e elegante."
   librariesrow1:
     - 
-      title: Quantum Computing
-      alttext: A computer chip.
+      title: Computação quântica
+      alttext: Um chip de computador.
       img: /images/content_images/sc_dom_img/quantum_computing.svg
     - 
-      title: Statistical Computing
-      alttext: A line graph with the line moving up.
+      title: Computação estatística
+      alttext: Um gráfico com uma linha em movimento para cima.
       img: /images/content_images/sc_dom_img/statistical_computing.svg
     - 
-      title: Signal Processing
-      alttext: A bar chart with positive and negative values.
+      title: Processamento de sinais
+      alttext: Um gráfico de barras com valores positivos e negativos.
       img: /images/content_images/sc_dom_img/signal_processing.svg
     - 
-      title: Image Processing
-      alttext: An photograph of the mountains.
+      title: Processamento de imagens
+      alttext: Uma fotografia das montanhas.
       img: /images/content_images/sc_dom_img/image_processing.svg
     - 
-      title: Graphs and Networks
-      alttext: A simple graph.
+      title: Gráficos e Redes
+      alttext: Um grafo simples.
       img: /images/content_images/sc_dom_img/sd6.svg
     - 
-      title: Astronomy Processes
-      alttext: A telescope.
+      title: Processos de Astronomia
+      alttext: Um telescópio.
       img: /images/content_images/sc_dom_img/astronomy_processes.svg
     - 
-      title: Cognitive Psychology
-      alttext: A human head with gears.
+      title: Psicologia Cognitiva
+      alttext: Uma cabeça humana com engrenagens.
       img: /images/content_images/sc_dom_img/cognitive_psychology.svg
   librariesrow2:
     - 
-      title: Bioinformatics
-      alttext: A strand of DNA.
+      title: Bioinformática
+      alttext: Um pedaço de DNA.
       img: /images/content_images/sc_dom_img/bioinformatics.svg
     - 
-      title: Bayesian Inference
-      alttext: A graph with a bell-shaped curve.
+      title: Inferência Bayesiana
+      alttext: Um gráfico com uma curva em forma de sino.
       img: /images/content_images/sc_dom_img/bayesian_inference.svg
     - 
-      title: Mathematical Analysis
-      alttext: Four mathematical symbols.
+      title: Análise Matemática
+      alttext: Quatro símbolos matemáticos.
       img: /images/content_images/sc_dom_img/mathematical_analysis.svg
     - 
-      title: Chemistry
-      alttext: A test tube.
+      title: Química
+      alttext: Um tubo de ensaio.
       img: /images/content_images/sc_dom_img/chemistry.svg
     - 
-      title: Geoscience
-      alttext: The Earth.
+      title: Geociências
+      alttext: A Terra.
       img: /images/content_images/sc_dom_img/geoscience.svg
     - 
-      title: Geographic Processing
-      alttext: A map.
+      title: Processamento Geográfico
+      alttext: Um mapa.
       img: /images/content_images/sc_dom_img/GIS.svg
     - 
-      title: Architecture & Engineering
-      alttext: A microprocessor development board.
+      title: Arquitetura e Engenharia
+      alttext: Uma placa de desenvolvimento de microprocessador.
       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 está no centro de um rico ecossistema de bibliotecas de ciência de dados. Um fluxo de trabalho típico de ciência de dados exploratório pode parecer assim:"
   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: Diagrama de bibliotecas Python. As cinco categorias são 'Extrair, Transformar, Carregar', 'Exploração de Dados', 'Modelo de Dados', 'Avaliação de Dados' e 'Apresentação de Dados'.
   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: Um streamplot feito em matplotlib
     - 
       url: https://github.com/yhat/ggpy
       img: /images/content_images/v_ggpy.png
-      alttext: A scatter-plot graph made in ggpy
+      alttext: Um gráfico scatter-plot feito em ggpy
     - 
       url: https://www.journaldev.com/19692/python-plotly-tutorial
       img: /images/content_images/v_plotly.png
-      alttext: A box-plot made in plotly
+      alttext: Um box-plot feito no plotly
     - 
       url: https://altair-viz.github.io/gallery/streamgraph.html
       img: /images/content_images/v_altair.png
-      alttext: A streamgraph made in altair
+      alttext: Um gráfico streamgraph feito em altair
     - 
       url: https://seaborn.pydata.org
       img: /images/content_images/v_seaborn.png
-      alttext: A pairplot of two types of graph, a plot-graph and a frequency graph made in seaborn"
+      alttext: A plot duplo com dois tipos de gráficos, um plot-graph e um gráfico de frequência feitos no seaborn
     - 
       url: https://docs.pyvista.org/examples/index.html
       img: /images/content_images/v_pyvista.png
-      alttext: A 3D volume rendering made in PyVista.
+      alttext: Uma renderização de volume 3D feita no PyVista.
     - 
       url: https://napari.org
       img: /images/content_images/v_napari.png
-      alttext: A multi-dimensionan image made in napari.
+      alttext: Uma imagem multidimensional, feita em napari.
     - 
       url: https://vispy.org/gallery/index.html
       img: /images/content_images/v_vispy.png
-      alttext: A Voronoi diagram made in vispy.
+      alttext: Diagrama de Voronoi feito com vispy.
   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 é um componente essencial no crescente [campo de visualização em Python](https://pyviz.org/overviews/index.html), que inclui [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), e [PyVista](https://github.com/pyvista/pyvista), para citar alguns.
     - 
-      text: NumPy's accelerated processing of large arrays allows researchers to visualize datasets far larger than native Python could handle.
+      text: O processamento de grandes arrays acelerado pela NumPy permite que os pesquisadores visualizem conjuntos de dados muito maiores do que o Python nativo poderia permitir.