diff --git a/.github/workflows/auto-translations-pr.yml b/.github/workflows/auto-translations-pr.yml
new file mode 100644
index 0000000000..e2bb2dc7b8
--- /dev/null
+++ b/.github/workflows/auto-translations-pr.yml
@@ -0,0 +1,58 @@
+name: Create Translations PR
+
+on:
+  workflow_dispatch:
+    inputs:
+      language_code:
+        description: 'Crowdin language code for the language of interest'
+        required: true
+
+permissions:
+  contents: write
+  pull-requests: write
+
+jobs:
+  auto-translation-pr:
+    runs-on: ubuntu-latest
+    # Run only on main branch in upstream repo.
+    if: ${{ github.repository == 'steppi/numpy.org' && github.ref == 'refs/heads/main' }}
+    steps:
+      - name: Checkout numpy.org
+        uses: actions/checkout@v4
+        with:
+          repository: 'steppi/numpy.org'
+          path: 'numpy.org'
+          ref: 'main'
+          fetch-depth: 0
+
+      - name: Checkout scientific-python-translations automations
+        uses: actions/checkout@v4
+        with:
+          repository: 'scientific-python-translations/automations'
+          path: 'automations'
+          ref: 'main'
+
+      - name: Create translations branch for language of interest
+        env:
+          GITHUB_TOKEN: ${{ secrets.GITHUB_TOKEN }}
+        run: |
+          git config --global user.email "actions@github.com"
+          git config --global user.name "GitHub Actions"
+          ../automations/scripts/create_branch_for_language.sh origin main l10n_main ${{ github.event.inputs.language_code }}
+          branch_name=$(git rev-parse --abbrev-ref HEAD)
+          git push -u origin $branch_name
+          echo "BRANCH_NAME=$branch_name" >> $GITHUB_ENV
+        working-directory: ./numpy.org
+
+      - name: Create Pull Request
+        env:
+          GITHUB_TOKEN: ${{ secrets.GITHUB_TOKEN }}
+        run: |
+          language_name=$(../automations/scripts/get_language_name.sh ${{ github.event.inputs.language_code }})
+          gh pr create --base main --head ${{ env.BRANCH_NAME }} --title "Update translations for $language_name" \
+          --body "This PR to update translations for $language_name was generated by the GitHub workflow, \
+          auto-translations-pr.yml and includes all commits from this repo's Crowdin branch for the language \
+          of interest. A final check of the rendered docs is needed to identify if there are any formatting \
+          errors due to incorrect string segmentation by Crowdin. If there are such formatting errors, they \
+          should be fixed directly on this branch, not through Crowdin."
+        working-directory: ./numpy.org
diff --git a/content/ja/_index.md b/content/ja/_index.md
index 1109f91332..75f5be2ce6 100644
--- a/content/ja/_index.md
+++ b/content/ja/_index.md
@@ -1,5 +1,5 @@
 ---
-title:
+title: null
 ---
 
 {{< grid columns="1 2 2 3" >}}
@@ -8,45 +8,42 @@ title:
 type = 'card'
 title = '強力な多次元配列'
 body = '''
-NumPyの高速で多機能なベクトル化計算、インデックス処理、ブロードキャストの考え方は、現在の配列計算におけるデファクト・スタ>ンダードです。
-'''
+NumPyの高速で多機能なベクトル化計算、インデックス処理、ブロードキャストの考え方は、現在の配列計算におけるデファクト・スタンダードとなっています。
 
 [[item]]
 type = 'card'
 title = '数値計算ツール群'
 body = '''
-NumPyは、様々な数学関数、乱数生成器、線形代数ルーチン、フーリエ変換などを提供しています。
+NumPyは、様々な数学関数、乱数生成器、線形代数ルーチン、フーリエ変換機能などを提供しています。
 '''
 
 [[item]]
 type = 'card'
-title = '相互運用性'
+title = 'オープンソース'
 body = '''
-NumPyは、幅広いハードウェアとコンピューティング・プラットフォームをサポートしており、分散処理、GPU、疎行列ライブラリにも対
-応しています。
+NumPyは、寛容な[BSDライセンス](https://github.com/numpy/numpy/blob/main/LICENSE.txt)の元で公開されています。NumPyは活発で、互いを尊重し、多様性を認め合う[コミュニティ](/ja/community)によって、 [GitHub](https://github.com/numpy/numpy)上でオープンに開発されています.
 '''
 
 [[item]]
 type = 'card'
-title = '高パフォーマンス'
+title = '相互運用性'
 body = '''
-NumPyの大部分は最適化されたC言語のコードで構成されています。これによりPythonの柔軟性とコンパイルされたコードの高速性の両方
-を享受できます。
+NumPyは、幅広いハードウェアとコンピューティング・プラットフォームをサポートしており、分散処理、GPU、疎行列ライブラリにも対
+応しています。
 '''
 
 [[item]]
 type = 'card'
-title = '使いやすさ'
+title = '高いパフォーマンス'
 body = '''
-NumPyの高水準なシンタックスは、どんなバックグラウンドや経験を持つのプログラマーでも簡単に利用することができ、生産性を高め>ることができます。
+NumPyの大部分は最適化されたC言語のコードで構成されています。これによりPythonの柔軟性とコンパイルされたコードの高速性の両方を享受できます。 コンパイルされたコードのスピードでの Python の柔軟性をお楽しみください。
 '''
 
 [[item]]
 type = 'card'
-title = 'オープンソース'
+title = '使いやすさ'
 body = '''
-NumPyは、寛容な[BSDライセンス](https://github.com/numpy/numpy/blob/main/LICENSE.txt)で公開されています。NumPyは活発で、互>いを尊重し、多様性を認め合う[コミュニティ](/ja/community)によって、 [GitHub](https://github.com/numpy/numpy)上でオープンに開発されていま
-す.
+NumPyの抽象化されたシンタックスは、どんなバックグラウンドや経験を持つのプログラマーでも簡単に利用することができ、生産性を高めることができます。
 '''
 
 {{< /grid >}}
diff --git a/content/ja/about.md b/content/ja/about.md
index d153a89b33..6508ca265d 100644
--- a/content/ja/about.md
+++ b/content/ja/about.md
@@ -49,13 +49,13 @@ Numpy プロジェクトのコアメンバーは、プロジェクトへの貢
 - 最適化
 - 資金と助成金
 
-個々のチームメンバーについては、 [チーム](teams/) のページを参照してください。
+個々のチームメンバーについては、 [チーム](/teams/) のページを参照してください。
 
 ## NumFOCUSサブ委員会
 
 - Charles Harris
 - Ralf Gommers
-- Inessa Pawson
+- Melissa Weber Mendonça
 - Sebastian Berg
 - 外部メンバー: Thomas Caswell
 
diff --git a/content/ja/case-studies/blackhole-image.md b/content/ja/case-studies/blackhole-image.md
index 7d7dfb2505..18335320a5 100644
--- a/content/ja/case-studies/blackhole-image.md
+++ b/content/ja/case-studies/blackhole-image.md
@@ -4,19 +4,13 @@ sidebar: false
 ---
 
 {{< figure >}}
-src = '/images/content_images/cs/blackhole.jpg'
-title = 'Black Hole M87'
-alt = 'black hole image'
-attribution = '(Image Credits: Event Horizon Telescope Collaboration)'
-attrk = 'https://www.jpl.nasa.gov/images/universe/90410/blackhole20190410.jpg'
+src = '/images/content_images/cs/blackhole.jpg' title = 'Black Hole M87' alt = 'black hole image' attribution = '(Image Credits: Event Horizon Telescope Collaboration)' attributionlink = 'https://www.jpl.nasa.gov/images/universe/20190410/blackhole20190410.jpg'
 {{< /figure >}}
 
-{{< blockquote
-    cite="https://www.youtube.com/watch?v=BIvezCVcsYs"
-    by="*カリフォルニア工科大学 計算・数理学部*のKatie Bouman助教授"
->}}
-M87ブラックホールを画像化することは、見ることのできないものを、あえて見ようとするようなものです。
-{{< /blockquote >}}
+{{< blockquote cite="https://www.youtube.com/watch?v=BIvezCVcsYs" by="Katie Bouman, * カリフォルニア工科大学の計算数理科学の助教授 *"
+> M87ブラックホールを画像化することは、見ることのできないものを、あえて見ようとするようなものです。 
+> 
+> {{< /blockquote >}}
 
 ## 地球大の望遠鏡
 
@@ -45,12 +39,7 @@ M87ブラックホールを画像化することは、見ることのできな
     今までに見たことのないものを見るのが研究の目標なら、どうやって科学者はその画像が正しいと確信することができるのでしょうか?
 
 {{< figure >}}
-src = '/images/content_images/cs/dataprocessbh.png'
-title = 'EHTのデータ処理パイプライン'
-alt = 'data pipeline'
-align = 'center'
-attribution = '(Diagram Credits: The Astrophysical Journal, Event Horizon Telescope Collaboration)'
-attributionlink = 'https://iopscience.iop.org/article/10.3847/2041-8213/ab0c57'
+src = '/images/content_images/cs/dataprocessbh.png' title = 'EHTのデータ処理パイプライン' alt = 'data pipeline' align = 'center' attribution = '(Diagram Credits: The Astrophysical Journal, Event Horizon Telescope Collaboration)' attributionlink = 'https://iopscience.iop.org/article/10.3847/2041-8213/ab0c57'
 {{< /figure >}}
 
 ## NumPyが果たした役割
@@ -62,17 +51,13 @@ EHTの共同研究では、最先端の画像再構成技術を使用して、
 彼らの研究は、共同のデータ解析を通じて科学を進歩させる、科学的なPythonエコシステムが果たす役割を如実に表しています。
 
 {{< figure >}}
-src = '/images/content_images/cs/bh_numpy_role.png'
-alt = 'role of numpy'
-title = 'ブラックホール画像化でNumPyが果たした役割'
+src = '/images/content_images/cs/bh_numpy_role.png' alt = 'role of numpy' title = 'ブラックホール画像化でNumPyが果たした役割'
 {{< /figure >}}
 
 例えば、 [`eht-imaging`][ehtim] というPython パッケージは VLBI データで画像の再構築をシミュレートし、実行するためのツールです。 NumPyは、以下のソフトウェア依存関係チャートで示されているように、このパッケージで使用される配列データ処理の中核を担っています。
 
 {{< figure >}}
-src = '/images/content_images/cs/ehtim_numpy.png'
-alt = 'ehtim dependency map highlighting numpy'
-title = 'NumPyの中心としたehtimのソフトウェア依存図'
+src = '/images/content_images/cs/ehtim_numpy.png' alt = 'ehtim dependency map highlighting numpy' title = 'NumPyの中心としたehtimのソフトウェア依存図'
 {{< /figure >}}
 
 NumPyだけでなく、[SciPy](https://www.scipy.org)や[Pandas](https://pandas.io)などのパッケージもブラックホール画像化におけるデータ処理パイプラインに利用されています。 天文学の標準的なファイル形式や時間/座標変換 は[Astropy][astropy]で実装され、ブラックホールの最終画像の生成を含め、解析パイプライン全体でのデータ可視化には [Matplotlib][mpl]が利用されました。
@@ -82,9 +67,7 @@ NumPyだけでなく、[SciPy](https://www.scipy.org)や[Pandas](https://pandas.
 NumPyの中心的な機能である、効率的で適用性の高いn次元配列は、研究者が大規模な数値データを操作することを可能にし、世界で初めてのブラックホールの画像化の基礎を築きました。 アインシュタインの理論に素晴らしい視覚的証拠を与えたのは、科学の画期的な瞬間だといえます。 この科学的に偉大な達成には、技術的の飛躍的な進歩だけでなく、200人以上の科学者と世界で 最高の電波観測所の間での国際協力も寄与しました。  革新的なアルゴリズムとデータ処理技術は、既存の天文学モデルを改良し、宇宙の謎を解き明かす助けになったといえます。
 
 {{< figure >}}
-src = '/images/content_images/cs/numpy_bh_benefits.png'
-alt = 'numpy benefits'
-title = '利用されたNumPyの主要機能'
+src = '/images/content_images/cs/numpy_bh_benefits.png' alt = 'numpy benefits' title = '利用されたNumPyの主要機能'
 {{< /figure >}}
 
 [resolution]: https://eventhorizontelescope.org/press-release-april-10-2019-astronomers-capture-first-image-black-hole
diff --git a/content/ja/case-studies/cricket-analytics.md b/content/ja/case-studies/cricket-analytics.md
index b76249853f..c2b2dc7247 100644
--- a/content/ja/case-studies/cricket-analytics.md
+++ b/content/ja/case-studies/cricket-analytics.md
@@ -3,20 +3,14 @@ title: "ケーススタディ: クリケット分析、ゲームチェンジャ
 sidebar: false
 ---
 
-{{< figure >}}
-src = '/images/content_images/cs/ipl-stadium.png'
-title = ' IPLT20、インド最大のクリケットフェスティバル'
-alt = 'Indian Premier League Cricket cup and stadium'
-attribution = '(Image credits: IPLT20 (cup and logo) & Akash Yadav (stadium))'
-attributionlink = 'https://unsplash.com/@aksh1802'
+{{< figure src="/images/content_images/cs/ipl-stadium.png" caption="** IPLT20、インド最大のクリケットフェスティバル**" alt="Indian Premier League Cricket cup and stadium" attr="*(Image credits: IPLT20 (cup and logo) & Akash Yadav (stadium))*" attrlink="https://unsplash.com/@aksh1802" >}}
+src = '/images/content_images/cs/ipl-stadium.png' title = ' IPLT20:インド最大のクリケットフェスティバル' alt = 'Indian Premier League Cricket cup and stadium' attribution = '(Image credits: IPLT20 (cup and logo) & Akash Yadav (stadium))' attributionlink = 'https://unsplash.com/@aksh1802'
 {{< /figure >}}
 
-{{< blockquote
-    cite="https://www.scoopwhoop.com/sports/ms-dhoni/"
-    by="M S Dhoni、 *インディアンチームの元キャプテン、インターナショナル・クリケットプレイヤー、チェンナイ・スーパー・キングスのためにIPLでプレイ*"
->}}
-観客のために競技をするのではなく、国のために競技するのです。
-{{< /blockquote >}}
+{{< blockquote cite="https://www.scoopwhoop.com/sports/ms-dhoni/" by="M S Dhoni, *世界的なクリケットプレイヤーであり、前世界王者、インドチームで活躍し、IPLにおけるチェンナイスーパー王者となった*"
+> }} 観客のために競技しているのではなく、国のために競技しているのです。 
+> 
+> {{< /blockquote >}}
 
 ## クリケットについて
 
@@ -34,12 +28,7 @@ attributionlink = 'https://unsplash.com/@aksh1802'
 * チーム構成に戦略的な決定を下すための、各勝敗へのプレイヤーの貢献
 
 {{< figure >}}
-src = '/images/content_images/cs/cricket-pitch.png'
-title = ' フィールドのフォーカルポイントとなるクリケットピッチ'
-alt = 'A cricket pitch with bowler and batsmen'
-align = 'center'
-attribution = '(Image credit: Debarghya Das)'
-attributionlink = 'http://debarghyadas.com/files/IPLpaper.pdf'
+src = '/images/content_images/cs/cricket-pitch.png' title = ' フィールドのフォーカルポイントとなるクリケットピッチ' alt = 'A cricket pitch with bowler and batsmen' align = 'center' attribution = '(Image credit: Debarghya Das)' attributionlink = 'http://debarghyadas.com/files/IPLpaper.pdf'
 {{< /figure >}}
 
 ### データ分析の主要な目標
@@ -49,11 +38,7 @@ attributionlink = 'http://debarghyadas.com/files/IPLpaper.pdf'
 * 履歴分析に加えて、予測モデルは可能性のある結果を求めることができますが、かなりの数のナンバークランチングとデータサイエンスのノウハウ、可視化ツール、および分析に新しい観測データを含める機能などが必要になります。
 
 {{< figure >}}
-src = '/images/content_images/cs/player-pose-estimator.png'
-alt = 'pose estimator'
-title = 'クリケットの姿勢推定'
-attribution = '(Image credit: connect.vin)'
-attributionlink = 'https://connect.vin/2019/05/ai-for-cricket-batsman-pose-analysis/'
+src = '/images/content_images/cs/player-pose-estimator.png' alt = 'pose estimator' title = 'クリケットの姿勢推定' attribution = '(Image credit: connect.vin)' attributionlink = 'https://connect.vin/2019/05/ai-for-cricket-batsman-pose-analysis/'
 {{< /figure >}}
 
 ### 課題
@@ -83,7 +68,5 @@ attributionlink = 'https://connect.vin/2019/05/ai-for-cricket-batsman-pose-analy
 スポーツアナリティクスは、プロの試合についてはまさにゲームチェンジャーです。 特に戦略的な意思決定については、最近まで主に「直感」や過去の伝統的な考え方に基づいて行われていたため、大きな影響があります。 NumPyは、データ分析・機械学習・人工知能のアルゴリズムに関連する高レベル関数を提供する沢山のPythonパッケージ群の、堅固な基盤となっています。 これらのパッケージは、ゲームの結果を変えるような意思決定を支援するリアルタイムのインサイトを得るため、クリケットの試合だけでなく関連する推論やビジネスの推進にも広く使用されています。 クリケットの試合結果につながる隠れたパラメータや、パターン、属性を見つけることは、ステークホルダーが数字や統計に隠されているゲームの洞察方法を見つけるのにも役に立つのです。
 
 {{< figure >}}
-src = '/images/content_images/cs/numpy_ca_benefits.png'
-alt = 'クリケット分析にNumPyを使用するメリットを示す図'
-title = ' 利用されている主なNumPy機能 '
+src = '/images/content_images/cs/numpy_ca_benefits.png' alt = 'クリケット分析にNumPyを使用するメリットを示す図' title = ' 利用されている主なNumPyの機能 '
 {{< /figure >}}
diff --git a/content/ja/case-studies/deeplabcut-dnn.md b/content/ja/case-studies/deeplabcut-dnn.md
index 006dacadbb..bf650a0409 100644
--- a/content/ja/case-studies/deeplabcut-dnn.md
+++ b/content/ja/case-studies/deeplabcut-dnn.md
@@ -3,20 +3,14 @@ title: "ケーススタディ: DeepLabCut 三次元姿勢推定"
 sidebar: false
 ---
 
-{{< figure >}}
-src = '/images/content_images/cs/mice-hand.gif'
-title = 'DeepLapCutを用いたマウスの手の動きの解析'
-alt = 'micehandanim'
-attribution = '(Source: www.deeplabcut.org )'
-attributionlink = 'http://www.mousemotorlab.org/deeplabcut'
+{{< figure src="/images/content_images/cs/mice-hand.gif" class="fig-center" caption="**DeepLapCutを用いたマウスの手の動きの解析 **" alt="micehandanim" attr="*(Source: www.deeplabcut.org )*" attrlink="http://www.mousemotorlab.org/deeplabcut">}}
+src = '/images/content_images/cs/mice-hand.gif' title = 'DeepLapCutを用いたマウスの手の動きの解析' alt = 'micehandanim' attribution = '(Source: www.deeplabcut.org )' attributionlink = 'http://www.mousemotorlab.org/deeplabcut'
 {{< /figure >}}
 
-{{< blockquote
-    cite="https://news.harvard.edu/gazette/story/newsplus/harvard-researchers-awarded-czi-open-source-award/"
-    by="Alexander Mathis、 *准教授、École polytechnology fe’rale de Lausanne* ([EPFL](https://www.epfl.ch/en/))"
->}}
-オープンソースソフトウェアは生体臨床医学を加速させています。 DeepLabCut を使用すると、深層学習を使用して動物の行動を自動的にビデオ解析することができます。
-{{< /blockquote >}}
+{{< blockquote cite="https://news.harvard.edu/gazette/story/newsplus/harvard-researchers-awarded-czi-open-source-award/" by="Alexander Mathis, * ローザンヌ連邦工科大学([EPFL](https://www.epfl.ch/en/))の助教授 *"
+> }} オープンソースソフトウェアは生体臨床医学を加速させています。 DeepLabCut を使用すると、深層学習を使用して動物の行動を自動的にビデオ解析することができます。 
+> 
+> {{< /blockquote >}}
 
 ## DeepLabCut について
 
@@ -25,10 +19,7 @@ attributionlink = 'http://www.mousemotorlab.org/deeplabcut'
 神経科学、医学、生体力学などのいくつかの研究分野では、動物の動きを追跡したデータを使用しています。 DeepLabCutは、動画に記録された動きを解析することで、人間やその他の動物が何をしているのかを理解することができます。 タグ付けや監視などの、手間のかかる作業を自動化し、深層学習ベースのデータ解析を実施します。 DeepLabCutは、霊長類、マウス、魚、ハエなどの動物を観察する科学研究をより速く正確にしています。
 
 {{< figure >}}
-src = '/images/content_images/cs/race-horse.gif'
-title = '色のついた点は競走馬の体の位置を追跡'
-alt = 'horserideranim'
-attribution = '(Source: Mackenzie Mathis)'
+src = '/images/content_images/cs/race-horse.gif' title = '色のついた点は競走馬の体の位置を追跡している' alt = 'horserideranim' attribution = '(Source: Mackenzie Mathis)'
 {{< /figure >}}
 
 DeepLabCutは、動物の姿勢を抽出することで非侵襲的な行動追跡を行います。 これは、生体力学、遺伝学、倫理学、神経科学などの分野での研究に必要不可欠です。 動的に変化する背景の中で、動物の姿勢をビデオデータから非侵襲的に測定することは、技術的にも、必要な計算リソースやトレーニングデータの点でも、非常に困難な計算処理です。
@@ -59,12 +50,7 @@ DeepLabCutでは[転移学習](https://arxiv.org/pdf/1909.11229)という技術
   - 統合された可視化ツールを使用した推論の描画
 
 {{< figure >}}
-src = '/images/content_images/cs/deeplabcut-toolkit-steps.png'
-title = 'DeepLabCutによる姿勢推定のステップ'
-alt = 'dlcsteps'
-align = 'center'
-attribution = '(Source: DeepLabCut)'
-attributionlink = 'https://twitter.com/DeepLabCut/status/1198046918284210176/photo/1'
+{{< figure src="/images/content_images/cs/deeplabcut-workflow.png" class="fig-center" caption="**DeepLabCutのワークフロー**" alt="workflow" attr="*(Source: Mackenzie Mathis)*" attrlink="https://www.researchgate.net/figure/DeepLabCut-work-flow-The-diagram-delineates-the-work-flow-as-well-as-the-directory-and_fig1_329185962">}}
 {{< /figure >}}
 
 ### 課題
@@ -81,13 +67,8 @@ attributionlink = 'https://twitter.com/DeepLabCut/status/1198046918284210176/pho
 
     最後に、配列の操作もかなり難しい問題です。 様々な画像や、目標のテンソル、キーポイントに対応する大きな配列のスタックを処理しなければならないからです。
 
-{{< figure >}}
-src = '/images/content_images/cs/pose-estimation.png'
-title = '姿勢推定の多様性と難しさ'
-alt = 'challengesfig'
-align = 'center'
-attribution = '(Source: Mackenzie Mathis)'
-attributionlink = 'https://www.biorxiv.org/content/10.1101/476531v1.full.pdf'
+{{< figure src="/images/content_images/cs/numpy_dlc_benefits.png" class="fig-center" alt="numpy benefits" caption="**NumPyの主要機能**" >}}
+src = '/images/content_images/cs/pose-estimation.png' title = '姿勢推定の多様性と複雑性' alt = 'challengesfig' align = 'center' attribution = '(Source: Mackenzie Mathis)' attributionlink = 'https://www.biorxiv.org/content/10.1101/476531v1.full.pdf'
 {{< /figure >}}
 
 ## 姿勢推定の課題に対応するためのNumPyの役割
@@ -105,11 +86,7 @@ NumPy は DeepLabCutにおける、行動分析の高速化のための数値計
 DeepLabCutは、ツールキットが提供するワークフローを通じてNumPyの配列機能を利用しています。 特に、NumPyはヒューマンアノテーションのラベル付けや、アノテーションの書き込み、編集、処理のために、特定のフレームをサンプリングするために使用されています。  TensorFlowを使ったニューラルネットワークは、DeepLabCutの技術によって何千回も訓練され、 フレームから真のアノテーション情報を予測します。 この目的のため、姿勢推定問題を画像-画像変換問題として変換する目標密度(スコアマップ) を作成します。 ニューラルネットワークのロバスト化のため、データの水増しを使用していますが、このためには幾何学・画像的処理を施したスコアマップの計算を行うことが必要になります。 また学習を高速化するため、NumPyのベクトル化機能が利用されています。 推論には、目標のスコアマップから最も可能性の高い予測値を抽出し、効率的に「予測値をリンクさせて個々の動物を組み立てる」ことが必要になります。
 
 {{< figure >}}
-src = '/images/content_images/cs/deeplabcut-workflow.png'
-title = 'DeepLabCutのワークフロー'
-alt = 'workflow'
-attribution = '(Source: Mackenzie Mathis)'
-attributionlink = 'https://www.researchgate.net/figure/DeepLabCut-work-flow-The-diagram-delineates-the-work-flow-as-well-as-the-directory-and_fig1_329185962'
+src = '/images/content_images/cs/deeplabcut-workflow.png' title = 'DeepLabCutのワークフロー' alt = 'workflow' attribution = '(Source: Mackenzie Mathis)' attributionlink = 'https://www.researchgate.net/figure/DeepLabCut-work-flow-The-diagram-delineates-the-work-flow-as-well-as-the-directory-and_fig1_329185962'
 {{< /figure >}}
 
 ## まとめ
@@ -117,9 +94,7 @@ attributionlink = 'https://www.researchgate.net/figure/DeepLabCut-work-flow-The-
 行動を観察し、効率的に表現することは、現代倫理学、神経科学、医学、工学の根幹です。 [DeepLabCut](http://orga.cvss.cc/wp-content/uploads/2019/05/NathMathis2019.pdf) により、研究者は対象の姿勢を推定し、行動を効率的に定量化できるようになりました。 DeepLabCutというPythonツールボックスを使えば、わずかな学習画像のセットでニューラルネットワークを人間レベルのラベリング精度で学習することができ、実験室での行動分析だけでなく、スポーツ、歩行分析、医学、リハビリテーション研究などへの応用が可能になります。 DeepLabCutアルゴリズムに必要な複雑な組み合わせ処理やデータ処理の問題を、NumPyの配列操作機能が解決しています。
 
 {{< figure >}}
-src = '/images/content_images/cs/numpy_dlc_benefits.png'
-alt = 'numpy benefits'
-title = 'NumPyの主要機能'
+src = '/images/content_images/cs/numpy_bh_benefits.png' alt = 'numpy benefits' title = '利用されたNumPyの主要機能'
 {{< /figure >}}
 
 [cheetah-movement]: https://www.technologynetworks.com/neuroscience/articles/interview-a-deeper-cut-into-behavior-with-mackenzie-mathis-327618
diff --git a/content/ja/case-studies/gw-discov.md b/content/ja/case-studies/gw-discov.md
index c5275fde58..68fbb85371 100644
--- a/content/ja/case-studies/gw-discov.md
+++ b/content/ja/case-studies/gw-discov.md
@@ -3,25 +3,18 @@ title: "ケーススタディ: 重力波の発見"
 sidebar: false
 ---
 
-{{< figure >}}
-src = '/images/content_images/cs/gw_sxs_image.png'
-title = '重力波'
-alt = 'binary coalesce black hole generating gravitational waves'
-attribution = '(Image Credits: The Simulating eXtreme Spacetimes (SXS) Project at LIGO)'
-attributionlink = 'https://youtu.be/Zt8Z_uzG71o'
+{{< figure src="/images/content_images/cs/gw_sxs_image.png" class="fig-center" caption="**重力波**" alt="binary coalesce black hole generating gravitational waves" attr="*(Image Credits: The Simulating eXtreme Spacetimes (SXS) Project at LIGO)*" attrlink="https://youtu.be/Zt8Z_uzG71o" >}}
+src = '/images/content_images/cs/gw_sxs_image.png' title = '重力波' alt = 'binary coalesce black hole generating gravitational waves' attribution = '(Image Credits: The Simulating eXtreme Spacetimes (SXS) Project at LIGO)' attributionlink = 'https://youtu.be/Zt8Z_uzG71o'
 {{< /figure >}}
 
-{{< blockquote
-    cite="https://www.youtube.com/watch?v=BIvezCVcsYs"
-    by="David Shoemaker, *LIGOサイエンティフィック・コラボレーション*" >}}
-科学計算のためのPythonエコシステムはLIGOで行われている研究のための重要なインフラです。
+{{< blockquote cite="https://www.youtube.com/watch?v=BIvezCVcsYs" by="David Shoemaker, *LIGOの科学調査協力により*" >}} LIGOで行われる研究には、科学的なPythonエコシステムが重要なインフラとなっています。
 {{< /blockquote >}}
 
 ## [重力波](https://www.nationalgeographic.com/news/2017/10/what-are-gravitational-waves-ligo-astronomy-science/) と [LIGO](https://www.ligo.caltech.edu) について
 
 重力波は、空間と時間の基本構造の波紋です。 2つのブラックホールの衝突や合体、2連星や超新星の合体など、大きな変動現象によって生成されます。 重力波の観測は、重力を研究する上で重要なだけでなく、遠い宇宙におけるいくつかの不明瞭な現象と、その影響を理解するためにも役立ちます。
 
-\[レーザー干渉計重力波天文台(LIGO)\](https://www. ligo. caltech. edu)は、アインシュタインの一般相対性理論によって予測された重力波の直接検出を通して、重力波天体物理学の分野を切り開くために設計されました。 このシステムは、アメリカのワシントン州ハンフォードとルイジアナ州リビングストンにある2つの干渉計が一体となって構成され、重力波を検出します。 それぞれのシステムには、レーザー干渉法を用いた数キロ規模の重力波検出器が設置されています。  LIGO Scientific Collaboration（LSC）は、米国をはじめとする14カ国の大学から1000人以上の科学者が集まり、90以上の大学・研究機関によって支援されています。 また、約250人の学生も参加しています。 今回のLIGOの発見は、重力波が地球を通過する際に生じる空間と時間の微小な乱れの測定により、重力波そのものを初めて観測しました。  これにより、新しい天体物理学のフロンティアが開かれました。 これは、宇宙の歪んだ側面、つまり歪んだ時空から作られた物体とそれに現象を切り拓くものです。
+[レーザー干渉計重力波天文台(LIGO)](https://www.ligo.caltech.edu)は、アインシュタインの一般相対性理論によって予測された重力波の直接検出を通して、重力波天体物理学の分野を切り開くために設計されました。 重力波は非常に小さい効果を生み、物質と微小な相互作用を持つため、検出が困難です。 LIGOのすべてのデータを処理・分析するには、膨大な計算インフラが必要です。 信号の数十億倍のノイズを除去した後も、非常に複雑な相対性理論の方程式と膨大な量のデータがあり、計算上の課題となっています。 それぞれのシステムには、レーザー干渉法を用いた数キロ規模の重力波検出器が設置されています。  LIGO Scientific Collaboration（LSC）は、米国をはじめとする14カ国の大学から1000人以上の科学者が集まり、90以上の大学・研究機関によって支援されています。 また、約250人の学生も参加しています。 今回のLIGOの発見は、重力波が地球を通過する際に生じる空間と時間の微小な乱れの測定により、重力波そのものを初めて観測しました。  これにより、新しい天体物理学のフロンティアが開かれました。 これは、宇宙の歪んだ側面、つまり歪んだ時空から作られた物体とそれに伴う現象を切り拓くものです。
 
 
 ### 主な目的
@@ -47,16 +40,12 @@ attributionlink = 'https://youtu.be/Zt8Z_uzG71o'
     アインシュタイン方程式を元にスーパーコンピュータでデータを解析できるようになったら、次はデータを人間の脳で理解できるようにしなければなりません。 シミュレーションのモデリングや信号の検出には、わかりやすい可視化技術が必要です。  画像処理やシミュレーションによって、解析結果をより多くの人に理解してもらえる状態になる前の段階において、可視化は、数値相対性を十分に重要視していなかった純粋な科学愛好家の目に、数値相対性が、より信頼性の高いものとして映るようにするという役割も果たしています。 複雑な計算と描画を行い、また最新の実験結果と洞察に基づいてシミュレーションと再描画を行う作業は時間のかかるもので、この分野の研究者にとっての課題です。
 
 {{< figure >}}
-src = '/images/content_images/cs/gw_strain_amplitude.png'
-alt = 'gravitational waves strain amplitude'
-title = 'GW150914から推定される重力波の歪みの振幅'
-attribution = '(Graph Credits: Observation of Gravitational Waves from a Binary Black Hole Merger, ResearchGate Publication)'
-attributionlink = 'https://www.researchgate.net/publication/293886905_Observation_of_Gravitational_Waves_from_a_Binary_Black_Hole_Merger'
+src = '/images/content_images/cs/gw_strain_amplitude.png' alt = 'gravitational waves strain amplitude' title = 'GW150914から推定される重力波の歪みの振幅' attribution = '(Graph Credits: Observation of Gravitational Waves from a Binary Black Hole Merger, ResearchGate Publication)' attributionlink = 'https://www.researchgate.net/publication/293886905_Observation_of_Gravitational_Waves_from_a_Binary_Black_Hole_Merger'
 {{< /figure >}}
 
 ## 重力波の検出におけるNumPyの役割
 
-合成により放出される重力波は、スーパーコンピュータを用いたブルートフォースの数値相対性処理以外の手法では計算できません。 重力波は非常に小さい効果を生み、物質と微小な相互作用を持つため、検出が困難です。 LIGOのすべてのデータを処理・分析するには、膨大な計算インフラが必要です。 信号の数十億倍のノイズを除去した後も、非常に複雑な相対性理論の方程式と膨大な量のデータがあり、計算上の課題となっています。
+ブラックホール合成により放出される重力波は、スーパーコンピュータを用いたブルートフォースの数値相対性処理以外の手法では計算できません。 重力波は非常に小さい効果を生み、物質と微小な相互作用を持つため、検出が困難です。 LIGOのすべてのデータを処理・分析するには、膨大な計算インフラが必要です。 信号の数十億倍のノイズを除去した後も、非常に複雑な相対性理論の方程式と膨大な量のデータがあり、計算上の課題となっています。
 
 Python用の標準的な数値解析パッケージNumPyは、LIGOの重力波検出プロジェクトで実行される様々なタスクに使用されるソフトウェアで利用されています。 NumPyは、複雑な数学処理や高速なデータ操作に役立ちました。  次にいくつかの例を示します。
 
@@ -70,25 +59,19 @@ Python用の標準的な数値解析パッケージNumPyは、LIGOの重力波
 * 重力波データ解析のために開発された[ソフトウェア群](https://github.com/lscsoft): [GwPy](https://gwpy.github.io/docs/stable/overview.html)や [PyCBC](https://pycbc.org)は、NumPyやAstroPyを用いて、重力波検出器データを研究するためのユーティリティー・ツール・関数へのオブジェクト指向インターフェースを提供しています。
 
 {{< figure >}}
-src = '/images/content_images/cs/gwpy-numpy-dep-graph.png'
-alt = 'gwpy-numpy depgraph'
-title = 'GwPyのNumPy依存グラフ'
+src = '/images/content_images/cs/gwpy-numpy-dep-graph.png' alt = 'gwpy-numpy depgraph' title = 'NumPyに依存しているGwPyの依存グラフ'
 {{< /figure >}}
 
 ----
 
 {{< figure >}}
-src = '/images/content_images/cs/PyCBC-numpy-dep-graph.png'
-alt = 'PyCBC-numpy depgraph'
-title = 'PyCBCのNumPy依存グラフ'
+src = '/images/content_images/cs/gwpy-numpy-dep-graph.png' alt = 'PyCBC-numpy depgraph' title = 'NumPyに依存しているPyCBCの依存グラフ'
 {{< /figure >}}
 
 ## まとめ
 
-一方で、これまで知られてきた深遠な天体物理学の現象に、多くに新たな洞察を提供しました。 数値処理とデータの可視化は、科学者が科学的な観測から収集したデータについての洞察を得て、その結果を理解するのに役立つ重要なステップです。 しかし、その計算は複雑であり、実際の観測データと分析を用いたコンピュータシミュレーションを用いて可視化されない限り、人間が理解することはできませんでした。  NumPyは、matplotlib・pandas・scikit-learnなどのPythonパッケージとともに、研究者が複雑な質問に答え、私たちの宇宙に対するの理解において、新しい地平を発見することを[可能にしています](https://www.gw-openscience.org/events/GW150914/)。
+GW検出により、研究者は完全に予期せぬ現象 を発見することができ、同時に知られている最も深遠な天体物理学 現象の多くに新たな洞察を提供しています。 数値処理とデータの可視化は、科学者が科学的な観測から収集したデータについての洞察を得て、その結果を理解するのに役立つ重要なステップです。 しかし、その計算は複雑であり、実際の観測データと分析を用いたコンピュータシミュレーションを用いて可視化されない限り、人間が理解することはできませんでした。  NumPyは、matplotlib・pandas・scikit-learnなどのPythonパッケージとともに、研究者が複雑な現象の疑問に答え、私たちの宇宙に対するの理解において、新しい地平を発見することを[可能にしています](https://www.gw-openscience.org/events/GW150914/)。
 
 {{< figure >}}
-src = '/images/content_images/cs/numpy_bh_benefits.png'
-alt = 'numpy benefits'
-title = '利用されたNumPyの主要機能'
+src = '/images/content_images/cs/numpy_gw_benefits.png' alt = 'numpy benefits' title = '利用されたNumPyの主要機能'
 {{< /figure >}}
diff --git a/content/ja/code-of-conduct.md b/content/ja/code-of-conduct.md
index 70ca4d8b6e..044123f3d1 100644
--- a/content/ja/code-of-conduct.md
+++ b/content/ja/code-of-conduct.md
@@ -61,7 +61,7 @@ NumPy行動規範委員会に問題を報告する場合は、こちらにご連
 
 ### インシデント報告の解決 & 行動規範の実施
 
-本節では、_最も重要な点のみをまとめます。 _詳細については、[NumPy Code of Conduct - How to follow up on a report](report-handling-manual) をご覧ください。
+本節では、_最も重要な点のみをまとめます。 _詳細については、[NumPy Code of Conduct - How to follow up on a report](/report-handling-manual) をご覧ください。
 
 私たちはすべての訴えを調査し、対応するようにします。 NumPy行動規範委員会およびNumPy運営委員会(もし関係する場合) は、報告者の身元を保護します。 また(報告者が同意しない限り) 苦情の内容を機密として扱うこととします。
 
@@ -72,7 +72,7 @@ NumPy行動規範委員会に問題を報告する場合は、こちらにご連
 1. 報告書の受領を確認
 2. 建設的な議論/フィードバック
 3. 調停（報告者と報告を受けたものの両方がフィードバックが役に立たなかったと同意した場合に限る）
-4. 行動規範委員会による透明性のある決定と執行( [決議](report-handling-manual/#解決方法)を参照)
+4. 行動規範委員会による透明性のある決定と執行( [決議](/report-handling-manual/#resolutions)を参照)
 
 行動規範委員会は、可能な限り速やかに対応し、最大で72時間以内に対応する様にします。
 
diff --git a/content/ja/config.yaml b/content/ja/config.yaml
index bb63338184..2a66dc7a9a 100644
--- a/content/ja/config.yaml
+++ b/content/ja/config.yaml
@@ -11,7 +11,7 @@ params:
     #Hero subtitle (optional)
     subtitle: Pythonによる科学技術計算の基礎パッケージ
     #Button text
-    buttontext: "最新リリース: Numpy 1.26. すべてのリリースを表示する"
+    buttontext: "最新リリース: Numpy 1.25. すべてのリリースを表示する"
     #Where the main hero button links to
     buttonlink: "/ja/news/#releases"
     #Hero image (from static/images/___)
@@ -56,25 +56,25 @@ params:
   navbar:
     - 
       title: インストール
-      url: /ja/install
+      url: /install
     - 
       title: ドキュメント
       url: https://numpy.org/doc/stable
     - 
-      title: 学び方
-      url: /ja/learn
+      title: 学習方法
+      url: /learn
     - 
       title: コミュニティ
-      url: /ja/community
+      url: /community
     - 
-      title: 私達について
-      url: /ja/about
+      title: 私たちについて
+      url: /about
     - 
       title: ニュース
-      url: /ja/news
+      url: /news
     - 
-      title: NumPyに貢献する
-      url: /ja/contribute
+      title: 貢献
+      url: /contribute
   footer:
     logo: logo.svg
     socialmediatitle: ""
@@ -85,25 +85,22 @@ params:
       - 
         link: https://www.youtube.com/channel/UCguIL9NZ7ybWK5WQ53qbHng
         icon: youtube
-      - 
-        link: https://twitter.com/numpy_team
-        icon: twitter
     quicklinks:
       column1:
         title: ""
         links:
           - 
             text: インストール
-            link: /ja/install
+            link: /install
           - 
             text: ドキュメント
             link: https://numpy.org/doc/stable
           - 
-            text: 学び方
-            link: /ja/learn
+            text: 学習方法
+            link: /learn
           - 
-            text: 引用する
-            link: /ja/citing-numpy
+            text: NumPy を引用する
+            link: /citing-numpy
           - 
             text: ロードマップ
             link: https://numpy.org/neps/roadmap.html
@@ -111,31 +108,30 @@ params:
         links:
           - 
             text: 私達について
-            link: /ja/about
+            link: /about
           - 
             text: コミュニティ
-            link: /ja/community
+            link: /community
           - 
-            text: ユーザーの調査
-            link: /ja/user-surveys
+            text: ユーザ調査
+            link: /user-surveys
           - 
-            text: NumPyに貢献する
-            link: /ja/contribute
+            text: 貢献
+            link: /contribute
           - 
             text: 行動規範
-            link: /ja/code-of-conduct
+            link: /code-of-conduct
       column3:
         links:
           - 
             text: サポートを得る方法
-            link: /ja/gethelp
+            link: /gethelp
           - 
             text: 利用規約
-            link: /ja/terms
+            link: /terms
           - 
             text: プライバシーポリシー
-            link: /ja/privacy
+            link: /privacy
           - 
             text: プレス用資料
-            link: /ja/press-kit
-
+            link: /press-kit
diff --git a/content/ja/contribute.md b/content/ja/contribute.md
index 90db608852..2c7002cb86 100644
--- a/content/ja/contribute.md
+++ b/content/ja/contribute.md
@@ -17,19 +17,16 @@ NumPyプロジェクトを成功させるには、あなたの専門知識とプ
 
 プログラマーの方には、こちらの [ガイド](https://numpy.org/devdocs/dev/index.html#development-process-summary)でNumPyのコードに貢献する方法を説明しています。 <br>追加情報に関しては、 こちらの[YouTube チャンネル](https://www.youtube.com/playlist?list=PLCK6zCrcN3GXBUUzDr9L4__LnXZVtaIzS) もご覧ください。
 
-
 ### プルリクエストのレビュー
 NumPyプロジェクトには現時点で250以上のオープンなプルリクエストがあり、多くの 改善要求と多くのレビュワーからのフィードバックを待っています。 もしあなたがNumPy を使ったことがある場合、 たとえNumPyコードベースに慣れていない場合でも貢献する方法はあります。 例えば、
 * 長期にわたる議論をまとめる
 * ドキュメントのPRをトリアージする
 * 提案された変更をテストする
 
-
 ### 教育用の資料を作成する
 
 NumPy の [ユーザガイド](https://numpy.org/devdocs) は現在、大規模な再設計中です。 新しいNumPyのWebページは、新しいチュートリアルや、NumPyの使い方、NumPy内部の深い説明など必要としており、サイト全体にも再設計と再構築が必要です。 このウェブサイトの再構築の作業は、ドキュメントを書くだけではありません。 コード例や、ノートブック、ビデオなどの作成も歓迎しています。 [NEP 44 — Restructuring the NumPyDocumentation](https://numpy.org/neps/nep-0044-restructuring-numpy-docs.html)に、ウェブサイトの再構築についての詳細が説明されています。
 
-
 ### イシューのトリアージ
 
 [NumPyのイシュートラッカー](https://github.com/numpy/numpy/issues) には、 _沢山の_Open状態のイシューがあります。 すでに解決されたもの、優先順位付けされるべきもの、 初心者が取り組むのに適したものがあります。  あなたができることは、いくつもあります:
@@ -41,22 +38,18 @@ NumPy の [ユーザガイド](https://numpy.org/devdocs) は現在、大規模
 
 ぜひ、やってみて下さい。
 
-
 ### ウェブサイトの開発
 
 私たちはちょうどウェブサイトを作り直し始めたところですが、それらはまだ完了していません。 Web開発が好きなら、この[イシュー](https://github.com/numpy/numpy.org/issues?q=is%3Aissue+is%3Aopen+label%3Adesign) に未完成な要求が列挙されています。 ぜひ、あなたのアイデアを共有してください。
 
-
 ### グラフィックデザイン
 
 グラフィックデザイナーの方が可能な貢献は、枚挙にいとまがありません。 しかし、私たちのドキュメントは説明のために可視化が重要であり、私たちの拡大しているウェブサイトは良い画像を求めていることから、 貢献する機会が沢山あると言えます。
 
-
 ### ウェブサイトの翻訳
 
 私たちは、[numpy.org](https://numpy.org) を複数言語に翻訳し、NumPyを母国語でアクセスできるようにしたいと思っています。 これを実現するには、ボランティアの翻訳者が必要です。  詳しくは[このイシュー](https://numpy.org/neps/nep-0028-website-redesign.html#translation-multilingual-i18n)を参照してください。 [この GitHubイシュー](https://github.com/numpy/numpy.org/issues/55) にコメントしてサインアップしてください。
 
-
 ### コミュニティとの連携とアウトリーチ
 
 コミュニティとのコミュニケーションを通じて、私たちは、NumPyより広く知ってもらい、どこに問題があるのかを知りたいと思っています。 私たちは、[Twitter](https://twitter.com/numpy_team) アカウントや、NumPy[コードスプリント](https://scisprints.github.io/)の開催、ニュースレターの発行、そしておそらくブログなどを通じて、より沢山の人にコミュニティに参加して欲しいと思っていす。
@@ -64,3 +57,9 @@ NumPy の [ユーザガイド](https://numpy.org/devdocs) は現在、大規模
 ### 資金調達
 
 NumPyは何年にも渡ってボランティアだけ活動していましたが、その重要性が高まるにつれ、安定性と成長のためには資金面での支援が必要であることがわかってきました。 こちらの[SciPy'19のプレゼン](https://www.youtube.com/watch?v=dBTJD_FDVjU) では、資金的なサポートを受けたことで、どれだけ違いが出たかを説明しています。 他の非営利団体のように、私たちは助成金や、スポンサーシップ、その他の資金支援を常に探しています。 私たちはすでにいくつかの資金調達のアイデアを持っていますが、他にもより多くを資金調達を受けたいと思っています。 資金調達に関する知識は、我々には不足しているスキルです。 是非、あなたのサポートをお待ちしています。
+
+### 寄付
+
+寄付をすることでNumpy に貢献したい場合は、 [https://numpy.org/about/#donate](https://numpy.org/about/#donate) をご覧ください。
+
+
diff --git a/content/ja/gethelp.md b/content/ja/gethelp.md
index 0a77e294c0..4349ea996d 100644
--- a/content/ja/gethelp.md
+++ b/content/ja/gethelp.md
@@ -3,11 +3,9 @@ title: サポートを得る方法
 sidebar: false
 ---
 
-**ユーザーからの質問:** ユーザーからの質問に対して回答を得る最も良い方法は、[StackOverflow](http://stackoverflow.com/questions/tagged/numpy)に質問を投稿することです。  規模は小さいですが、下記のような質問をする場所もあります: [IRC](https://webchat.freenode.net/?channels=%23numpy)、 [Gitter](https://gitter.im/numpy/numpy)、 [Reddit](https://www.reddit.com/r/Numpy/)。 私たちはこれらのサイトを定期的に確認して、直接質問に答えるようにしていますが、質問の数は膨大です。
-
 **開発関連の問題:** NumPyの開発関連の問題 (例: バグレポート) については、[コミュニティ](/community) のページを参照してください。
 
-
+**ユーザーからの質問:** ユーザー視点での質問に対して回答を得る最も良い方法は、[StackOverflow](http://stackoverflow.com/questions/tagged/numpy) または[Reddit](https://www.reddit.com/r/Numpy/) のようなサイトに質問を投稿することです。 私たちはこれらのサイトを定期的に確認して、直接質問に答えるようにしていますが、質問の数は膨大なのが現実です。
 
 ### [StackOverflow](http://stackoverflow.com/questions/tagged/numpy)
 
@@ -20,15 +18,3 @@ NumPyの使用方法に関する質問をするためのフォーラムです。
 もう一つの使い方に関する質問の場です。
 
 ***
-
-### [Gitter](https://gitter.im/numpy/numpy)
-
-ユーザーとコミュニティメンバーがお互いに助け合うリアルタイムのチャットルームです。
-
-***
-
-### [IRC](https://webchat.freenode.net/?channels=%23numpy)
-
-ユーザーとコミュニティメンバーがお互いを助け合うもう一つのリアルタイムチャットルームです。
-
-***
diff --git a/content/ja/install.md b/content/ja/install.md
index ba4c568ec2..fad90210ea 100644
--- a/content/ja/install.md
+++ b/content/ja/install.md
@@ -5,7 +5,7 @@ sidebar: false
 
 NumPyをインストールするための唯一必要なものは、Pythonそのものだけです。 もしまだPythonをイントールしておらず、最もシンプルなインストール方法をお探しなら、[Anaconda Distribution](https://www.anaconda.com/distribution)の使用をおすすめします。これにはPython、NumPy、および科学計算やデータサイエンスでよく使われる様々な多くのパッケージが含まれています。
 
-NumPyは`conda`、`pip` 、macOSやLinuxのパッケージマネージャー、または [ソースコード](https://numpy.org/devdocs/building)からインストールすることが出来ます。 詳細な手順については、以下の [Python と Numpyの インストールガイド](#python-numpy-install-guide) を参照してください。
+NumPyは`conda`、`pip` 、macOSやLinuxのパッケージマネージャー、または [ソースコード](https://numpy.org/devdocs/user/building.html)からインストールすることが出来ます。 詳細な手順については、以下の [Python と Numpyの インストールガイド](#python-numpy-install-guide) を参照してください。
 
 **CONDA**
 
diff --git a/content/ja/learn.md b/content/ja/learn.md
index 867861fd9e..7ab2dcde53 100644
--- a/content/ja/learn.md
+++ b/content/ja/learn.md
@@ -18,7 +18,7 @@ NumPyについての資料は多数存在しています。 初心者の方に
 * [NumPy Quickstart チュートリアル](https://numpy.org/devdocs/user/quickstart.html)
 * [NumPyチュートリアル](https://numpy.org/numpy-tutorials)で、いくつかのチュートリアルと教育的資料を見ることができます。 このページのゴールは、NumPyプロジェクトによる質のいい資料を提供することです。 自習と講義形式の両方を想定しており、Jupyterノートブック形式で提供されます。 もしあなた自身の資料を追加することに興味がある場合、[Github上のnumpy-tutorialsリポジトリ](https://github.com/numpy/numpy-tutorials)をチェックしてみて下さい。
 * [イラストで学ぶNumPy *by Lev Maximov*](https://betterprogramming.pub/3b1d4976de1d?sk=57b908a77aa44075a49293fa1631dd9b)
-* [Scientific Pythonレクチャー](https://lectures.scientific-python.org/) NumPyだけでなく、科学的なPythonソフトウェアエコシステムを広く紹介しています。
+* [SciPyレクチャー](https://scipy-lectures.org/) NumPyだけでなく、科学的なPythonソフトウェアエコシステムを広く紹介しています。
 * [NumPy: 初心者のための基本](https://numpy.org/devdocs/user/absolute_beginners.html)
 * [NumPy チュートリアル *by Nicolas Rougier*](https://github.com/rougier/numpy-tutorial)
 * [スタンフォード大学 CS231 *by Justin Johnson*](http://cs231n.github.io/python-numpy-tutorial/)
diff --git a/content/ja/news.md b/content/ja/news.md
index 9621531110..37c9acc38c 100644
--- a/content/ja/news.md
+++ b/content/ja/news.md
@@ -1,22 +1,58 @@
 ---
 title: ニュース
 sidebar: false
-newsHeader: "NumPy 1.26.0 がリリースされました。"
+newsHeader: "NumPy 2.0. がリリースされました!"
 date: 2023-09-16
 ---
 
+### NumPy 2.1.0 がリリースされました。
+
+_2024 Aug, 2024_ -- Numpy 2.1.0 は Python 3.13 をサポートし、Python 3.9をサポート外としました。 今回のリリースは通常のバグ修正やPythonサポートの更新に加えて、NumPyが2.0の長期開発を経て、通常のリリースサイクルに戻るためのリリースでもあります。 今回のリリースのハイライトは下記の通りです。
+
+-   Python 3.13 のサポート
+-   Python 3.13のフリースレッドサポートの事前準備
+-   Array-api 2023.12 標準のサポート
+
+Python バージョン 3.10-3.13 か、このリリースでサポートされています。
+
+
+### NumPy 2.0 リリース日: 6月16日
+
+_2024年6月16日_ -- Numpy 2.0.0 は2006年以来のメジャーリリースです。 これは、前回の機能リリースから11か月間の開発の成果であり、1078件のプルリクエストにわたる212人の貢献者の成果となります。 このリリースには、大きく、エキサイティングな新機能と、PythonとCの両方のAPIへの変更が含まれています。  今回のリリースが、通常のマイナーリリースでは実施できなかった互換性を破壊する変更を含んでいます。これには、ABIの破壊、型昇格ルールの変更、および1.26.xでは非推奨警告が出されていなかった可能性のあるAPIの変更が含まれています。 NumPy 2.0の変更に対応する方法に関する主要なドキュメントは次のとおりです。
+
+- [NumPy 2.0移行ガイド](https://numpy.org/devdocs/numpy_2_0_migration_guide.html)
+- [2.0.0 リリース ノート](https://numpy.org/devdocs/release/2.0.0-notes.html)
+- ステータスアップデートお知らせに関する問題: [numpy#24300](https://github.com/numpy/numpy/issues/24300)
+
+ブログ記事 ["NumPy 2.0: 進化のマイルストーン"](https://blog.scientific-python.org/numpy/numpy2/) は、今回のメジャーバージョンリリースがどのようにして決定されたかについてのストーリーを少し伝えています。
+
+
+### NumPy 2.0 リリース日: 6月16日
+
+_ 2024年5月23日_ -- NumPy 2.0が2024年6月16日にリリースされる予定になりました！ このリリースは1年以上かけて我々が準備してきたもので、2006年以来のメジャーリリースとなります。 このリリースで重要なことは、多くの新機能とパフォーマンスの向上に加えて、 このリリースは、 **破壊的な変更** である Python と C API を含む、ABI への変更 が含まれています。 NumPyに依存しているパッケージやエンドユーザーのコードがこのは破壊的変更に適応する必要がある可能性があります。可能であれば、あなたのコードがNumPy `2.0.0rc2`で動作するかどうか確認をお願いします。 **詳細は下記をご覧ください:**
+
+- [NumPy 2.0移行ガイド](https://numpy.org/devdocs/numpy_2_0_migration_guide.html)
+- [2.0.0 リリースノート](https://numpy.org/devdocs/release/2.0.0-notes.html)
+- ステータス更新のお知らせイシューチケット: [numpy#24300](https://github.com/numpy/numpy/issues/24300)
+
+
+### NumFOCUSの年末の資金調達
+_2023年12月19日_ -- NumFOCUSは、年末キャンペーンでPyCharmチームと協力し、PyCharmライセンスの初回購入に30%の割引を提供しています。 2023年12月23日までのPyCharm購入による1年目の収益は全てNumFOCUSのプログラムに直接寄付されます。
+
+購入される方はこちらのURLか:  https://lp.jetbrains.com/support-data-science/ こちらのクーポンコードを利用してください: ISUPPORTDATASCIENCE 
+
 ### NumPy 1.26.0 がリリースされました。
 
 _2023年9月16日_ -- [NumPy 1.26.0](https://numpy.org/doc/stable/release/1.26.0-notes.html)がリリースされました。 今回のリリースの目玉機能は次のとおりです。
 
 * Python 3.12.0 のサポート
-* Cython 3.0.0 との互換性
+* Cython 3.0.0 への互換性
 * Mesonビルドシステムの利用
 * SIMD サポートの改善
 * f2py のバグ修正, meson と bind(x) のサポート
 * 更新された BLAS/LAPACK の高速化ライブラリのサポート
 
-Numpy 1.26.0 は 1.25 からの互換性を保持しています。Mesonビルドシステムへの移行とCython 3.0.0のサポートが目的のリリースです。 合計20人がこのリリースに貢献し、59個のプルリクエストがマージされました。
+Numpy 1.26.0 は 1.25 からの互換性を保持しています。Mesonビルドシステムへの移行とCython 3.0.0へのサポートが目的のリリースです。 合計20人がこのリリースに貢献し、59個のプルリクエストがマージされました。
 
 このリリースでサポートされている Python のバージョンは3.9から 3.12 です。
 
@@ -82,7 +118,7 @@ Numpy 1.25. リリースは引き続きdtypeの取り扱いと dtypeのプロモ
 
 ### Numpy 1.23.0 リリース
 
-_2022年1月22日_ -- [Numpy 1.23.0](https://numpy.org/doc/stable/release/1.23.0-notes.html) がリリースされました。 今回のリリースのハイライトは次のとおりです。
+_2022年1月22日_ -- [Numpy 1.23.0](https://numpy.org/doc/stable/release/1.23.0-notes.html) がリリースされました。 今回のリリースの目玉機能は次のとおりです。
 
 * `loadtxt` がCで実装されたことによる、大幅なパフォーマンス向上
 * より簡単なデータ交換のためのPythonレベルでのDLPackの公開
@@ -225,7 +261,12 @@ _2019年11月15日_ -- NumPyと、NumPyの重要な依存ライブラリの1つ
 
 こちらは、より以前のNumPyリリースのリストで、各リリースノートへのリンクが記載されています。 全てのバグフィックスリリース(バージョン番号`x.y.z` の`z`だけが変更されたもの)は新しい機能追加はされず、マイナーリリース (`y` が増えたもの)は、新しい機能追加されています。
 
-
+- NumPy 2.0.2 ([リリースノート](https://github.com/numpy/numpy/releases/tag/v2.0.2)) -- _2024年8月26日_.
+- NumPy 2.1.0 ([リリースノート](https://github.com/numpy/numpy/releases/tag/v2.1.0)) -- _2024年8月18日_.
+- NumPy 2.0.1 ([リリースノート](https://github.com/numpy/numpy/releases/tag/v2.0.1)) -- _2024年7月21日_.
+- NumPy 2.0.0 ([リリースノート](https://github.com/numpy/numpy/releases/tag/v2.0.0)) -- _2024年6月16日_.
+- NumPy 1.26.3 ([リリースノート](https://github.com/numpy/numpy/releases/tag/v1.26.2)) -- _ 2024年1月2日_.
+- NumPy 1.26.3 ([リリースノート](https://github.com/numpy/numpy/releases/tag/v1.26.3)) -- _ 2024年1月2日_.
 - NumPy 1.26.2 ([リリースノート](https://github.com/numpy/numpy/releases/tag/v1.26.2)) -- _2023年11月12日_.
 - NumPy 1.26.1 ([リリースノート](https://github.com/numpy/numpy/releases/tag/v1.26.1)) -- _2023年10月14日_.
 - NumPy 1.26.0 ([リリースノート](https://github.com/numpy/numpy/releases/tag/v1.26.0)) -- _2023年9月16日_.
diff --git a/content/ja/tabcontents.yaml b/content/ja/tabcontents.yaml
index e3dc2ba4ed..5a208d9f6b 100644
--- a/content/ja/tabcontents.yaml
+++ b/content/ja/tabcontents.yaml
@@ -75,7 +75,7 @@ params:
         alttext: xtensor
         url: https://github.com/xtensor-stack/xtensor-python
       - 
-        title: Awkward
+        title: XND
         text: Numpy のような イディオムを使って JSON のようなデータを操作するライブラリ
         img: /images/content_images/arlib/xnd.png
         alttext: awkward
@@ -86,76 +86,230 @@ params:
         img: /images/content_images/arlib/uarray.png
         alttext: uarray
         url: https://uarray.org/en/latest/
-      - 
-        title: tensorly
-        text: Numpy、MXNet、PyTorch、TensorFlowまたはCupyをシームレスに使用するための、テンソル学習、テンソル代数、およびそれらのテンソル計算のためのバックエンド
-        img: /images/content_images/arlib/tensorly.png
-        alttext: tensorly
-        url: http://tensorly.org/stable/home.html
   scientificdomains:
     intro:
       - 
         text: Pythonを使って働くほとんどの科学者はNumPyの力を利用しています。
       - 
         text: "Numpy は、 C や Fortran のような言語の計算パフォーマンスを、Pythonにもたらします。 このパワーはNumPyのシンプルさから来ており、NumPyによるソリューションの多くは明確でエレガントになります。"
-    librariesrow1:
+    libraries:
       - 
         title: 量子コンピューティング
         alttext: コンピューターチップ
         img: /images/content_images/sc_dom_img/quantum_computing.svg
+        links:
+          - 
+            url: http://qutip.org
+            label: QuTiP
+          - 
+            url: https://pyquil-docs.rigetti.com/en/stable
+            label: PyQuil
+          - 
+            url: https://qiskit.org
+            label: Qiskit
+          - 
+            url: https://pennylane.ai
+            label: PennyLane
       - 
         title: 統計コンピューティング
-        alttext: 線グラフで、グラフが上に移動します。
+        alttext: 線グラフが上に移動します。
         img: /images/content_images/sc_dom_img/statistical_computing.svg
+        links:
+          - 
+            url: https://pandas.pydata.org/
+            label: Pandas
+          - 
+            url: https://github.com/statsmodels/statsmodels
+            label: statsmodels
+          - 
+            url: https://xarray.pydata.org/en/stable/
+            label: Xarray
+          - 
+            url: https://github.com/mwaskom/seaborn
+            label: Seaborn
       - 
         title: 信号処理
         alttext: 正と負の値を持つ棒グラフ。
         img: /images/content_images/sc_dom_img/signal_processing.svg
+        links:
+          - 
+            url: https://www.scipy.org/
+            label: SciPy
+          - 
+            url: https://pywavelets.readthedocs.io/
+            label: PyWavelets
+          - 
+            url: https://python-control.org/
+            label: python-control
+          - 
+            url: https://hyperspy.org/
+            label: HyperSpy
       - 
         title: 画像処理
         alttext: 山々の写真
         img: /images/content_images/sc_dom_img/image_processing.svg
+        links:
+          - 
+            url: https://scikit-image.org/
+            label: Scikit-image
+          - 
+            url: https://opencv.org/
+            label: OpenCV
+          - 
+            url: https://mahotas.rtfd.io/
+            label: Mahotas
       - 
         title: グラフとネットワーク
         alttext: シンプルなグラフ
         img: /images/content_images/sc_dom_img/sd6.svg
+        links:
+          - 
+            url: https://networkx.org/
+            label: NetworkX
+          - 
+            url: https://graph-tool.skewed.de/
+            label: graph-tool
+          - 
+            url: https://igraph.org/python/
+            label: igraph
+          - 
+            url: https://pygsp.rtfd.io/
+            label: PyGSP
       - 
         title: 天文学
         alttext: 望遠鏡
         img: /images/content_images/sc_dom_img/astronomy_processes.svg
+        links:
+          - 
+            url: https://www.astropy.org/
+            label: AstroPy
+          - 
+            url: https://github.com/sunpy/sunpy
+            label: SunPy
+          - 
+            url: https://github.com/spacepy/spacepy
+            label: SpacePy
       - 
         title: 認知心理学
         alttext: ギアをつけた人間の頭部
         img: /images/content_images/sc_dom_img/cognitive_psychology.svg
-    librariesrow2:
+        links:
+          - 
+            url: https://www.psychopy.org/
+            label: PsychoPy
       - 
         title: 生命情報科学
         alttext: DNAの鎖
         img: /images/content_images/sc_dom_img/bioinformatics.svg
+        links:
+          - 
+            url: https://biopython.org/
+            label: BioPython
+          - 
+            url: http://scikit-bio.org/
+            label: Scikit-Bio
+          - 
+            url: https://github.com/openvax/pyensembl
+            label: PyEnsembl
+          - 
+            url: http://etetoolkit.org/
+            label: ETE
       - 
         title: ベイズ推論
         alttext: 鐘形の曲線のグラフ
         img: /images/content_images/sc_dom_img/bayesian_inference.svg
+        links:
+          - 
+            url: https://pystan.readthedocs.io/en/latest/
+            label: PyStan
+          - 
+            url: https://docs.pymc.io/
+            label: PyMC3
+          - 
+            url: https://arviz-devs.github.io/arviz/
+            label: ArviZ
+          - 
+            url: https://emcee.readthedocs.io/
+            label: emcee
       - 
         title: 数学的分析
         alttext: ４つの数学記号
         img: /images/content_images/sc_dom_img/mathematical_analysis.svg
+        links:
+          - 
+            url: https://www.scipy.org/
+            label: SciPy
+          - 
+            url: https://www.sympy.org/
+            label: SymPy
+          - 
+            url: https://github.com/cvxgrp/cvxpy
+            label: cvxpy
+          - 
+            url: https://fenicsproject.org/
+            label: FEniCS
       - 
         title: 化学
         alttext: 試験管
         img: /images/content_images/sc_dom_img/chemistry.svg
+        links:
+          - 
+            url: https://cantera.org/
+            label: Cantera
+          - 
+            url: https://www.mdanalysis.org/
+            label: MDAnalysis
+          - 
+            url: https://github.com/rdkit/rdkit
+            label: RDKit
+          - 
+            url: https://www.pybamm.org/
+            label: PyBaMM
       - 
         title: 地球科学
         alttext: 地球
         img: /images/content_images/sc_dom_img/geoscience.svg
+        links:
+          - 
+            url: https://pangeo.io/
+            label: Pangeo
+          - 
+            url: https://simpeg.xyz/
+            label: Simpeg
+          - 
+            url: https://github.com/obspy/obspy/wiki
+            label: ObsPy
+          - 
+            url: https://www.fatiando.org/
+            label: Fatiando a Terra
       - 
         title: 地理情報処理
         alttext: 地図
         img: /images/content_images/sc_dom_img/GIS.svg
+        links:
+          - 
+            url: https://shapely.readthedocs.io/
+            label: Shapely
+          - 
+            url: https://geopandas.org/
+            label: GeoPandas
+          - 
+            url: https://python-visualization.github.io/folium
+            label: Folium
       - 
         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
+        links:
+          - 
+            url: https://compas.dev/
+            label: COMPAS
+          - 
+            url: https://cityenergyanalyst.com/
+            label: 都市エネルギー分析
+          - 
+            url: https://nortikin.github.io/sverchok/
+            label: Sverchok
   datascience:
     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:
@@ -168,13 +322,13 @@ params:
         alttext: 三つの円が重なり合う図。円はそれぞれ「数学」、「コンピューターサイエンス」、「専門知識」でラベル付けされています。図の中心部には、三つの円が重なり合って形成されるエリアがあり、「データサイエンス」とラベル付けされています。
     examples:
       - 
-        text: "<b>抽出, 変換, 読み込み: </b>[Pandas](https://pandas.pydata.org), [Intake](https://intake.readthedocs.io), [PyJanitor](https://pyjanitor-devs.github.io/pyjanitor/)"
+        text: "<b>抽出, 変換, 読み込み: </b>[Pandas](https://pandas.pydata.org), [Intake](https://intake.readthedocs.io), [PyJanitor](https://pyjanitor.readthedocs.io/)"
       - 
-        text: "<b>探索的解析: </b>[Jupyter](https://jupyter.org), [Seaborn](https://seaborn.pydata.org), [Matplotlib](https://matplotlib.org), [Altair](https://altair-viz.github.io)"
+        text: "<b>Exploratory analysis: </b>[Jupyter](https://jupyter.org),[Seaborn](https://seaborn.pydata.org),[ Matplotlib](https://matplotlib.org),[ Altair](https://altair-viz.github.io)"
       - 
         text: "<b>モデリングと評価: </b>[scikit-learn](https://scikit-learn.org), [statsmodels](https://www.statsmodels.org/stable/index.html), [PyMC3](https://docs.pymc.io), [spaCy](https://spacy.io)"
       - 
-        text: "<b>ダッシュボードでのレポート: </b>[Dash](https://plotly.com/dash), [Panel](https://panel.holoviz.org), [Voila](https://github.com/voila-dashboards/voila)"
+        text: "<b>ダッシュボードでのレポート: </b>[Dash](https://plotly.com/dash),[ Panel](https://panel.holoviz.org),[ Voila](https://github.com/voila-dashboards/voila)"
     content:
       - 
         text: 大規模データに対して、[Dask](https://dask.org)と[Ray](https://ray.io/)はスケールすることを目指して設計されています。安定したデプロイメントに関しては、データのバージョニング（[DVC](https://dvc.org)）、実験の追跡（[MLFlow](https://mlflow.org)）、ワークフローの自動化（[Airflow](https://airflow.apache.org)および[Prefect](https://www.prefect.io)が重要ですが様々なNumPyベースのツールが提供されています。
@@ -201,7 +355,7 @@ params:
         img: /images/content_images/v_seaborn.png
         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/
+        url: https://docs.pyvista.org/examples/index.html
         img: /images/content_images/v_pyvista.png
         alttext: PyVista製の3Dボリュームレンダリング
       - 
diff --git a/content/ja/user-survey-2020.md b/content/ja/user-survey-2020.md
index b79cc13ed8..3c05588349 100644
--- a/content/ja/user-survey-2020.md
+++ b/content/ja/user-survey-2020.md
@@ -5,10 +5,8 @@ sidebar: false
 
 2020年に、NumPyの調査チームは、ミシガン大学とメリーランド大学が共同で開催した、調査方法学の修士コースの学生と教員と共同で、初めて公式のNumPyコミュニティ調査を実施しました。 75カ国から1,200人以上のNumPyユーザーが参加してくれました。NumPyコミュニティの全体像を描き、プロジェクトの未来像についての意見を述べてもらいました。
 
-{{< figure >}}
-src = '/surveys/NumPy_usersurvey_2020_report_cover.png'
-alt = 'Cover page of the 2020 Numpy User survey report, titled "Numpyコミュニティ調査2020 - 結果"'
-width = '250'
+{{< figure src="/surveys/NumPy_usersurvey_2020_report_cover.png" class="fig-left" alt="Cover page of the 2020 Numpy User survey report, titled 'Numpyコミュニティ調査2020 - 結果'" width="250">}}
+src = '/surveys/NumPy_usersurvey_2020_report_cover.png' alt = 'Cover page of the 2020 Numpy User survey report, titled "Numpyコミュニティ調査2020の結果"' width = '250'
 {{< /figure >}}
 
 調査結果を詳細を知りたい場合は、**[こちらのレポート](/surveys/NumPy_usersurvey_2020_report.pdf)** をダウンロードしてください。