diff --git a/config.yaml.in b/config.yaml.in index 56483f32f5..8612c3ef01 100644 --- a/config.yaml.in +++ b/config.yaml.in @@ -51,3 +51,12 @@ languages: include-files: - content/ja/config.yaml - content/ja/tabcontents.yaml + + # Spanish + es: + title: NumPy + weight: 4 + contentDir: content/es + include-files: + - content/es/config.yaml + - content/es/tabcontents.yaml diff --git a/content/es/404.md b/content/es/404.md new file mode 100644 index 0000000000..279bf4a482 --- /dev/null +++ b/content/es/404.md @@ -0,0 +1,8 @@ +--- +title: 404 +sidebar: falso +--- + +¡Oh, oh! Has llegado a un callejón sin salida. + +Si crees que algo debería estar aquí, puedes [reportar este problema](https://github.com/numpy/numpy.org/issues) en GitHub. diff --git a/content/es/_index.md b/content/es/_index.md new file mode 100644 index 0000000000..67652c5e5f --- /dev/null +++ b/content/es/_index.md @@ -0,0 +1,49 @@ +--- +title: null +--- + +{{< grid columns="1 2 2 3" >}} + +[[item]] +type = 'card' +title = 'Matrices N-dimensionales potentes' +body = ''' +Rápida y versátil, la vectorización, indexación y conceptos de broadcasting de NumPy son los estándares de facto en el cálculo de matrices hoy en día. +''' + +[[item]] +type = 'card' +title = 'Herramientas de cálculo numérico' +body = ''' +NumPy ofrece funciones matemáticas completas, generadores de números aleatorios, rutinas de álgebra lineal, transformadas de Fourier, y más. +''' + +[[item]] +type = 'card' +title = 'Código abierto' +body = ''' +Distribuido bajo una [licencia BSD] liberal (https://github.com/numpy/numpy/blob/main/LICENSE.txt), NumPy es desarrollado y mantenido [públicamente en GitHub](https://github.com/numpy/numpy) por una vibrante, receptiva y diversa [comunidad](/es/community). +''' + +[[item]] +type = 'card' +title = 'Interoperable' +body = ''' +NumPy soporta una amplia gama de hardware y plataformas de computación, y funciona bien con librerías distribuidas, de GPU y de matrices dispersas. +''' + +[[item]] +type = 'card' +title = 'Óptimo' +body = ''' +El núcleo de NumPy está optimizado adecuadamente con código en C. Disfrute de la flexibilidad de Python con la velocidad del código compilado. +''' + +[[item]] +type = 'card' +title = 'Fácil de usar' +body = ''' +La sintaxis de alto nivel de NumPy lo hace accesible y productivo para programadores de cualquier formación o nivel de experiencia. +''' + +{{< /grid>}} diff --git a/content/es/about.md b/content/es/about.md new file mode 100644 index 0000000000..0003f3afb2 --- /dev/null +++ b/content/es/about.md @@ -0,0 +1,90 @@ +--- +title: Quiénes Somos +sidebar: false +--- + +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](https://github.com/numpy/numpy/blob/main/LICENSE.txt). + +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](https://www.numpy.org/devdocs/dev/governance/index.html). + + +## 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): + +- Sebastian Berg +- Ralf Gommers +- Charles Harris +- Stephan Hoyer +- Inessa Pawson +- Matti Picus +- Stéfan van der Walt +- Melissa Weber Mendonça +- Eric Wieser + +Eméritos: + +- Alex Griffing (2015-2017) +- Allan Haldane (2015-2021) +- Marten van Kerkwijk (2017-2019) +- Travis Oliphant (project founder, 2005-2012) +- Nathaniel Smith (2012-2021) +- Julian Taylor (2013-2021) +- Jaime Fernández del Río (2014-2021) +- Pauli Virtanen (2008-2021) + +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: + +- desarrollo +- documentación +- clasificación +- página web +- encuesta +- traducción +- mentores de sprints +- optimización +- financiación y subvenciones + +Visita la página de [Equipos](/teams) para más información. + +## Subcomité NumFOCUS + +- Charles Harris +- Ralf Gommers +- Inessa Pawson +- Sebastian Berg +- Miembro externo: Thomas Caswell + +## Patrocinadores + +NumPy recibe financiación directa de las siguientes fuentes: +{{< sponsors >}} + + +## 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: + +- UC Berkeley (Stéfan van der Walt) +- Quansight (Nathan Goldbaum, Ralf Gommers, Matti Picus, Melissa Weber Mendonça) +- NVIDIA (Sebastian Berg) + +{{< partners >}} + + +## 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](https://numfocus.org) para más información. + +Las donaciones a NumPy son gestionadas por [NumFOCUS](https://numfocus.org). 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](https://www.numpy.org/neps/index.html#roadmap). + +{{}} + diff --git a/content/es/arraycomputing.md b/content/es/arraycomputing.md new file mode 100644 index 0000000000..967bc5e115 --- /dev/null +++ b/content/es/arraycomputing.md @@ -0,0 +1,21 @@ +--- +title: Computación con Arreglos +sidebar: false +--- + +*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.** + +**Num**erical **Py**thon 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. diff --git a/content/es/case-studies/blackhole-image.md b/content/es/case-studies/blackhole-image.md new file mode 100644 index 0000000000..ba02e5f2e8 --- /dev/null +++ b/content/es/case-studies/blackhole-image.md @@ -0,0 +1,95 @@ +--- +title: "Caso de estudio: La primera imagen de un Agujero Negro" +sidebar: false +--- + +{{< figure >}} +src = '/images/content_images/cs/blackhole.jpg' +title = 'Agujero Negro M87' +alt = 'Imagen de agujero negro' +attribution = '(Créditos de la imagen: Colaboración del telescopio del Horizonte de Sucesos)' +attributionlink = 'https://www.jpl.nasa.gov/images/universe/20190410/blackhole20190410.jpg' +{{< /figure >}} + +{{< blockquote cite="https://www.youtube.com/watch?v=BIvezCVcsYs" by="Katie Bouman, *Profesora Asistente, Ciencias de la Computación & Matemáticas, Caltech*" +>}} +Capturar imágenes del Agujero Negro M87 es como intentar ver algo que por definición es imposible de ver. +{{< /blockquote >}} + +## Un telescopio del tamaño de la Tierra + +El [ Telescopio Event Horizon (EHT) ](https://eventhorizontelescope.org), 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][resolution] — ¡suficiente para leer un periódico en Nueva York desde un café en la acera en París! + +### Objetivos clave y resultados + +* **Una nueva vista del universo:** El trabajo preliminar de la innovadora imagen de EHT se había establecido 100 años antes, cuando [Sir Arthur Eddington][eddington] dio el primer apoyo observacional a la teoría de la relatividad general de Einstein. + +* **El agujero negro:** EHT se entrenó en un enorme agujero negro supermasivo aproximadamente a 55 millones de años luz de la Tierra, situado en el centro de la galaxia Messier 87 (M87) en el cúmulo de galaxias Virgo. Su masa es 6.5 mil millones de veces la del sol. Se había estudiado por [más de 100 años](https://www.jpl.nasa.gov/news/news.php?feature=7385), pero nunca antes se había observado un agujero negro. + +* **Comparando las observaciones con la teoría:** A partir de la teoría general de la relatividad de Einstein, los científicos esperaban encontrar una región similar a una sombra causada por la flexión gravitacional y la captura de la luz. Los científicos pudieron utilizarla para medir la enorme masa del agujero negro. + +### Los desafíos + +* **Escala computacional** + + EHT plantea enormes desafíos de procesamiento de datos, incluyendo las rápidas fluctuaciones de fase atmosféricas, amplio ancho de banda de grabación, y telescopios que son ampliamente disímiles y geográficamente dispersos. + +* **Demasiada información** + + Cada día, el EHT genera más de 350 terabytes de observaciones, almacenados en discos duros llenos de helio. Reducir el volumen y complejidad de estos datos es enormemente difícil. + +* **Hacia lo desconocido** + + Cuando el objetivo es ver algo nunca antes visto, ¿cómo pueden los científicos estar seguros de que la imagen es correcta? + +{{< figure >}} +src = '/images/content_images/cs/dataprocessbh.png' +title = 'Flujo de Trabajo de Procesamiento de Datos EHT' +alt = 'flujo de datos' +align = 'center' +attribution = '(Diagram Credits: The Astrophysical Journal, Event Horizon Telescope Collaboration)' +attributionlink = 'https://iopscience.iop.org/article/10.3847/2041-8213/ab0c57' +{{< /figure >}} + +## 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. + +{{< figure >}} +src = '/images/content_images/cs/bh_numpy_role.png' +alt = 'rol de numpy' +title = 'El rol de NumPy en la imagen del agujero negro' +{{< /figure >}} + +Por ejemplo, el paquete de Python [`eht-imaging`][ehtim] 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. + +{{< figure >}} +src = '/images/content_images/cs/ehtim_numpy.png' +alt = 'mapa de dependencias de ehtim resaltando a numpy' +title = 'Gráfico de dependencias de software del paquete ehtim resaltando a NumPy' +{{< /figure >}} + +Además de NumPy, muchos otros paquetes, como [SciPy](https://www.scipy.org) y [Pandas](https://pandas.io), 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][astropy], mientras que [Matplotlib][mpl] 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. + +{{< figure >}} +src = '/images/content_images/cs/numpy_dlc_benefits.png' +alt = 'beneficios de numpy' +title = 'Capacidades clave de NumPy utilizadas' +{{< /figure >}} + +[resolution]: https://eventhorizontelescope.org/press-release-april-10-2019-astronomers-capture-first-image-black-hole + +[eddington]: https://en.wikipedia.org/wiki/Eddington_experiment + +[ehtim]: https://github.com/achael/eht-imaging + +[astropy]: https://www.astropy.org/ +[mpl]: https://matplotlib.org/ diff --git a/content/es/case-studies/cricket-analytics.md b/content/es/case-studies/cricket-analytics.md new file mode 100644 index 0000000000..d19419ccdd --- /dev/null +++ b/content/es/case-studies/cricket-analytics.md @@ -0,0 +1,86 @@ +--- +title: "Estudio de caso: Análisis de críquet, ¡el cambio radical!" +sidebar: false +--- + +{{< figure >}} +src = '/images/content_images/cs/ipl-stadium.png' +title = 'IPLT20, el festival de críquet más grande en India' +alt = 'Copa y estadio de la Premier League de Críquet de India' +attribution = '(Créditos de imagen: IPLT20 (copa y logo) & Akash Yadav (estadio))' +attributionlink = 'https://unsplash.com/@aksh1802' +{{< /figure >}} + +{{< blockquote cite="https://www.scoopwhoop.com/sports/ms-dhoni/" by="M S Dhoni, *Jugador Internacional de críquet, ex-capitán del equipo de India, juega para Chennai Super Kings en IPL*" +>}} No juegas para el público, juegas para el país. +{{< /blockquote >}} + +## 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](https://www.statista.com/topics/4543/indian-premier-league-ipl/) 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](https://en.wikipedia.org/wiki/Indian_Premier_League) 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](https://stats.espncricinfo.com/ci/engine/stats/index.html) y [cricsheet](https://cricsheet.org). Estas y muchas otras bases de datos de cricket se han utilizado para el [análisis de cricket](https://www.researchgate.net/publication/336886516_Data_visualization_and_toss_related_analysis_of_IPL_teams_and_batsmen_performances) 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: + +* promedio móvil del rendimiento de bateo, +* previsión del marcador, +* obtener información sobre la condición física y el rendimiento de un jugador contra diferentes oponentes, +* contribución del jugador a las victorias y derrotas para tomar decisiones estratégicas sobre la composición del equipo + +{{< figure >}} +src = '/images/content_images/cs/cricket-pitch.png' +title = 'El campo de críquet, el punto focal en el terreno de juego' +alt = 'Un campo de cricket con lanzador y bateadores' +align = 'center' +attribution = '(Image credit: Debarghya Das)' +attributionlink = 'http://debarghyadas.com/files/IPLpaper.pdf' +{{< /figure >}} + +### Objetivos Clave de Análisis de Datos + +* El análisis de datos deportivos se utiliza no solo en el críquet, sino en muchos [otros deportes](https://adtmag.com/blogs/dev-watch/2017/07/sports-analytics.aspx) para mejorar el rendimiento general del equipo y maximizar las posibilidades de ganar. +* El análisis de datos en tiempo real puede ayudar a obtener información incluso durante el juego para cambiar tácticas por parte del equipo y de las empresas asociadas para beneficios económicos y crecimiento. +* Además del análisis histórico, se aprovechan los modelos predictivos para determinar los posibles resultados de los partidos, lo cual requiere una cantidad significativa de procesamiento de datos y conocimientos de ciencia de datos, herramientas de visualización y la capacidad de incluir nuevas observaciones en el análisis. + +{{< figure >}} +src = '/images/content_images/cs/player-pose-estimator.png' +alt = 'estimador de postura' +title = 'Estimador de postura en críquet' +attribution = '(Crédito de imagen: connect.vin)' +attributionlink = 'https://connect.vin/2019/05/ai-for-cricket-batsman-pose-analysis/' +{{< /figure >}} + +### Los Desafíos + +* **Limpieza de datos y preprocesamiento** + + La IPL ha expandido el críquet más allá del clásico formato de partido de prueba a una escala mucho más grande. El número de partidos jugados cada temporada a través de varios formatos ha incrementado y así también los datos, los algoritmos, las nuevas tecnologías de análisis de datos deportivos y modelos de simulación. El análisis de datos de críquet requiere mapeo del campo, seguimiento de jugadores, seguimiento de la pelota, análisis de tiros de los jugadores y varios otros aspectos relacionados con cómo se lanza la pelota, su ángulo, giro, velocidad y trayectoria. Todos estos factores juntos han incrementado la complejidad de la limpieza de datos y el preprocesamiento. + +* **Modelación Dinámica** + + En el cricket, al igual que en cualquier otro deporte, puede haber una gran cantidad de variables relacionadas con el seguimiento de varios jugadores en el campo, sus atributos, la pelota y varias posibilidades de acciones potenciales. La complejidad del análisis de datos y la modelación es directamente proporcional al tipo de preguntas predictivas que se plantean durante el análisis y depende en gran medida de la representación de los datos y del modelo. Las cosas se vuelven aún más desafiantes en términos de cálculo y comparación de datos cuando se buscan predicciones dinámicas del juego de críquet, tal como habría sucedido si el bateador hubiera golpeado la bola a un ángulo o velocidad diferente. + +* **Complejidad de Análisis Predictivo** + + Gran parte de la toma de decisiones en el críquet se basa en preguntas como "¿con qué frecuencia un bateador juega un cierto tipo de golpe si la entrega de la pelota es de un tipo particular?" o "¿cómo cambia un lanzador su línea y longitud si el bateador responde a su entrega de una cierta manera?". Este tipo de consulta de análisis predictivo requiere una disponibilidad de un conjunto de datos altamente granular y la capacidad de sintetizar datos y crear modelos generativos que sean altamente precisos. + +## El Papel de NumPy en el Análisis del Críquet + +El análisis deportivo es un campo en desarrollo. Muchos investigadores y compañías [utilizan NumPy](https://adtmag.com/blogs/dev-watch/2017/07/sports-analytics.aspx) 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: + +* **Análisis Estadístico:** Las capacidades numéricas de NumPy ayudan a estimar la significancia estadística de los datos observacionales o de eventos de partidos en el contexto de varias tácticas de jugadores y de juego, estimando el resultado del juego mediante la comparación con un modelo generativo o estático. El [análisis causal](https://amplitude.com/blog/2017/01/19/causation-correlation) y los [enfoques de big data](https://www.ncbi.nlm.nih.gov/pmc/articles/PMC4996805/) se utilizan para el análisis táctico. + +* **Visualización de Datos:** La creación de gráficos y la [visualización de datos](https://towardsdatascience.com/advanced-sports-visualization-with-pandas-matplotlib-and-seaborn-9c16df80a81b) proporcionan información útil sobre la relación entre varios conjuntos de datos. + +## 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. + +{{< figure >}} +src = '/images/content_images/cs/numpy_ca_benefits.png' +alt = 'Diagrama que muestra los beneficios de usar NumPy para análisis de críquet' +title = 'Capacidades claves de NumPy utilizadas' +{{< /figure >}} diff --git a/content/es/case-studies/deeplabcut-dnn.md b/content/es/case-studies/deeplabcut-dnn.md new file mode 100644 index 0000000000..1281521f73 --- /dev/null +++ b/content/es/case-studies/deeplabcut-dnn.md @@ -0,0 +1,124 @@ +--- +title: "Caso de estudio: DeepLabCut Estimación de Postura 3D" +sidebar: false +--- + +{{< figure >}} +src = '/images/content_images/cs/mice-hand.gif' +title = 'Analizar movimiento de las manos de los ratones usando DeepLapCut' +alt = 'micehandanim' +attribution = '(Fuente: www.deeplabcut.org )' +attributionlink = 'http://www.mousemASElab.org/deeplabcut' +{{< /figure >}} + +{{< blockquote cite="https://news.harvard.edu/gazette/story/newsplus/harvard-researchers-awarded-czi-open-source-award/" by="Alexander Mathis, *Profesor Asistente, Escuela Politécnica Federal de Lausana* ([EPFL](https://www.epfl.ch/en/))" +>}} El software de código abierto está acelerando la biomedicina. DeepLabCut permite el análisis automatizado de video del comportamiento animal utilizando Aprendizaje Profundo. +{{< /blockquote >}} + +## Acerca de DeepLabCut + +[DeepLabCut](https://github.com/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. + +{{< figure >}} +src = '/images/content_images/cs/race-horse.gif' +title = 'Puntos de colores rastrean las posiciones de una parte del cuerpo de un caballo de carreras' +alt = 'horserideranim' +attribution = '(Fuente: Mackenzie Mathis)' +{{< /figure >}} + +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][cheetah-movement]. + +DeepLabCut utiliza un principio llamado [aprendizaje por transferencia](https://arxiv.org/pdf/1909.11229), 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](https://arxiv.org/abs/1605.03170), 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](http://www.mousemotorlab.org/dlc-modelzoo), 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 + +* **Automatización del análisis de la postura animal para estudios científicos:** + + El objetivo principal de la tecnología DeepLabCut es medir y rastrear la postura de los animales en diversos entornos. Estos datos se pueden utilizar, por ejemplo, en estudios de neurociencia para entender cómo el cerebro controla el movimiento, o para aclarar como interactúan socialmente los animales. Los investigadores han observado un [aumento de rendimiento diez veces mayor](https://www.biorxiv.org/content/10.1101/457242v1) con DeepLabCut. Las posturas se pueden inferir sin conexión hasta a 1200 fotogramas por segundo (FPS). + +* **Creación de un conjunto de herramientas de Python de fácil uso para la estimación de postura:** + + DeepLabCut quería compartir su tecnología de estimación de postura animal en la forma de una herramienta de fácil uso que pueda ser adoptada fácilmente por los investigadores. Así que han creado un conjunto de herramientas de Python completo y de fácil uso, también con características de administración de proyectos. Estas permiten no solo la automatización de la estimación de postura, sino también administrar el proyecto de punta a punta ayudando al usuario del conjunto de herramientas de DeepLabCut desde la etapa de recolección del conjunto de datos para crear flujos de trabajo de análisis compartibles y reutilizables. + + Su [conjunto de herramientas][DLCToolkit] ahora está disponible como código abierto. + + En flujo de trabajo típico de DeepLabCut incluye: + + - creación y refinamiento de los conjuntos de entrenamiento a través del aprendizaje activo + - creación de redes neuronales a la medida para animales y escenarios específicos + - código para inferencia a gran escala en videos + - graficar las inferencias utilizando herramientas de visualización integradas + +{{< figure >}} +src = '/images/content_images/cs/deeplabcut-toolkit-steps.png' +title = 'Pasos de estimación de la postura con DeepLabCut' +alt = 'dlcsteps' +align = 'center' +attribution = '(Source: DeepLabCut)' +attributionlink = 'https://twitter.com/DeepLabCut/status/1198046918284210176/photo/1' +{{< /figure >}} + +### Los Desafíos + +* **Velocidad** + + Procesamiento rápido de videos de comportamiento animal para medir su comportamiento y al mismo tiempo hacer experimentos científicos más eficientes y precisos. La extracción detallada de posturas del animal para experimentos de laboratorio, sin marcadores, en entornos dinámicamente cambiantes, puede ser un desafío tanto técnico como en términos de recursos necesarios y datos de entrenamiento requeridos. Proponer una herramienta que sea fácil de usar sin necesidad de habilidades como experiencia en visión por computador que permita a los científicos hacer investigaciones en más contextos del mundo real, es un problema que no es trivial de resolver. + +* **Combinatoria** + + La combinatoria involucra el armado e integración del movimiento de múltiples extremidades en el comportamiento animal individual. Ensamblar puntos clave y sus conexiones en movimientos individuales de animales y vincularlos a lo largo del tiempo es un proceso complejo que requiere un análisis numérico intensivo, especialmente en el caso del seguimiento de movimientos de múltiples animales en videos de experimentos. + +* **Procesamiento de Datos** + + Por último, pero no menos importante, la manipulación de arreglos - procesamiento de grandes pilas de arreglos correspondientes a varias imágenes, tensores objetivo y puntos clave es bastante desafiante. + +{{< figure >}} +src = '/images/content_images/cs/pose-estimation.png' +title = 'Estimación de variedad y complejidad de postura' +alt = 'challengesfig' +align = 'center' +attribution = '(Fuente: Mackenzie Mathis)' +attributionlink = 'https://www.iorxiv.org/content/10.1101/476531v1.full.pdf' +{{< /figure >}} + +## 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](https://www.scipy.org), [Pandas](https://pandas.pydata.org), [matplotlib](https://matplotlib.org), [Tensorpack](https://github.com/tensorpack/tensorpack), [imgaug](https://github.com/aleju/imgaug), [scikit-learn](https://scikit-learn.org/stable/), [scikit-image](https://scikit-image.org) y [Tensorflow](https://www.tensorflow.org). + +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: + +* Vectorización +* Operaciones con Arreglos Enmascarados +* Álgebra lineal +* Muestreo Aleatorio +* Redimensionamiento de arreglos grandes + +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". + +{{< figure >}} +src = '/images/content_images/cs/deeplabcut-workflow.png' +title = 'Flujo de Trabajo de DeepLabCut' +alt = 'flujo de trabajo' +attribution = '(Fuente: 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 >}} + +## Resumen + +Observar y describir eficientemente el comportamiento es un punto central de la etología moderna, neurociencia, medicina y tecnología. [DeepLabCut](http://orga.cvss.cc/wp-content/uploads/2019/05/NathMathis2019.pdf) 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. + +{{< figure >}} +src = '/images/content_images/cs/numpy_dlc_benefits.png' +alt = 'beneficios de NumPy' +title = 'Capacidades claves utilizadas de NumPy' +{{< /figure >}} + +[cheetah-movement]: https://www.technologynetworks.com/neuroscience/articles/interview-a-deeper-cut-into-behavior-with-mackenzie-mathis-327618 + +[DLCToolkit]: https://github.com/DeepLabCut/DeepLabCut diff --git a/content/es/case-studies/gw-discov.md b/content/es/case-studies/gw-discov.md new file mode 100644 index 0000000000..a812b08da2 --- /dev/null +++ b/content/es/case-studies/gw-discov.md @@ -0,0 +1,91 @@ +--- +title: "Estudio de Caso: Descubrimiento de Ondas Gravitacionales" +sidebar: false +--- + +{{< figure >}} +src = '/images/content_images/cs/gw_sxs_image.png' +title = 'Ondas Gravitacionales' +alt = 'coalescencia de un agujero negro binario generando ondas gravitacionales' +attribution= '(Créditos de imagen: El proyecto Simulación de Espacio-tiempos eXtreme (SXS) en LIGO)' +attributionlink = 'https://youtu.be/Zt8Z_uzG71o' +{{< /figure >}} + +{{< blockquote cite="https://www.youtube.com/watch?v=BIvezCVcsYs" by="David Shoemaker, *Colaboración científica LIGO*" >}} El ecosistema científico de Python es una infraestructura crítica para la investigación realizada en LIGO. +{{< /blockquote >}} + +## Acerca de [Ondas Gravitacionales](https://www.nationalgeographic.com/news/2017/10/what-are-gravitational-waves-ligo-astronomy-science/) y [LIGO](https://www.ligo.caltech.edu) + +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)](https://www.ligo.caltech.edu) 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 + +* Aunque su [misión](https://www.ligo.caltech.edu/page/what-is-ligo) es detectar ondas gravitacionales de algunos de los procesos más violentos y energéticos del Universo, los datos que LIGO recopila pueden tener efectos de gran alcance en muchas áreas de la física, incluyendo gravitación, relatividad, astrofísica, cosmología, física de partículas y física nuclear. +* Procesar los datos observados mediante cálculos de relatividad numéricos que implican matemáticas complejas para discernir la señal del ruido, filtrar la señal relevante y estimar estadísticamente la significancia de los datos observados +* Visualización de datos para que los resultados binarios/numéricos puedan ser comprendidos. + + + +### Los desafíos + +* **Cálculo** + + Las Ondas Gravitacionales son difíciles de detectar, ya que producen un efecto muy pequeño y tienen una diminuta interacción con la materia. Procesar y analizar todos los datos de LIGO requiere una vasta infraestructura informática. Después de ocuparse del ruido, que es miles de millones de veces mayor que la señal, aún quedan ecuaciones de relatividad muy complejas y enormes cantidades de datos que suponen un desafío computacional: [se necesitan aproximadamente O(10^7) horas de CPU para los análisis de fusiones binarias](https://youtu.be/7mcHknWWzNI), distribuidas en 6 clústeres dedicados de LIGO + +* **Avalancha de Datos** + + A medida que los dispositivos de observación se vuelven más sensibles y confiables, los desafíos planteados por la avalancha de datos y encontrar una aguja en un pajar aumentan exponencialmente. ¡LIGO genera terabytes de datos cada día! Dar sentido a estos datos requiere de un esfuerzo enorme para todas y cada una de las detecciones. Por ejemplo, las señales recolectadas por LIGO deben ser comparadas por supercomputadoras contra cientos de miles de plantillas de posibles señales de ondas gravitacionales. + +* **Visualización** + + Una vez superados los obstáculos relacionados con comprender suficientemente bien las ecuaciones de Einstein para resolverlas utilizando supercomputadoras, el siguiente gran desafío fue hacer que los datos fueran comprensibles para el cerebro humano. La modelación de simulación, así como la detección de señales, requieren técnicas de visualización efectivas. La visualización también desempeña un papel en otorgar más credibilidad a la relatividad numérica a los ojos de los aficionados a la ciencia pura, los cuales no le daban suficiente importancia a la relatividad numérica hasta que las imágenes y simulaciones facilitaron la comprensión de los resultados para un público más amplio. La velocidad de los cálculos complejos y la renderización, así como la re-renderización de imágenes y simulaciones utilizando los últimos datos experimentales y conocimientos, puede ser una actividad que consume mucho tiempo y que representa un desafío para los investigadores en este campo. + +{{< figure >}} +src = '/images/content_images/cs/gw_strain_amplitude.png' +alt = 'amplitud de deformación de ondas gravitacionales' +title = 'Amplitud de deformación de ondas gravitacionales estimada de GW150914' +attribution = '(Créditos del gráfico: Observación de Ondas Gravitacionales de la Fusión de un Agujero Negro Binario, Publicación de ResearchGate)' +attributionlink = 'https://www.researchgate.net/publication/293886905_Observation_of_Gravitational_Waves_from_a_Binary_Black_Hole_Merger' +{{< /figure >}} + +## 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: + +* [Procesamiento de Señales](https://www.uv.es/virgogroup/Denoising_ROF.html): Detección de fallos, [Identificación de ruido y caracterización de datos](https://ep2016.europython.eu/media/conference/slides/pyhton-in-gravitational-waves-research-communities.pdf) (NumPy, scikit-learn, scipy, matplotlib, pandas, pyCharm) +* Recuperación de datos: Decidir qué datos pueden ser analizados, y determinar si estos contienen una señal - aguja en un pajar +* Análisis estadístico: estimar la significancia estadística de los datos observados, estimación de los parámetros de señal (por ejemplo, masas de estrellas, velocidad de giro y distancia) en comparación con un modelo. +* Visualización de datos + - Series de tiempo + - Espectrogramas +* Cálculo de Correlaciones +* [Software clave](https://github.com/lscsoft) desarrollado en análisis de datos de Ondas Gravitacionales como, tales como [GwPy](https://gwpy.github.io/docs/stable/overview.html) y [PyCBC](https://pycbc.org) utiliza NumPy y AstroPy bajo su cubierta para proporcionar interfaces basadas en objetos a utilidades, herramientas y métodos para el estudio de datos provenientes de detectores de ondas gravitacionales. + +{{< figure >}} +src = '/images/content_images/cs/gwpy-numpy-dep-graph.png' +alt = 'gwpy-numpy depgraph' +title = 'Gráfico de dependencias que muestra cómo depende el paquete GwPy de NumPy' +{{< /figure >}} + +---- + +{{< figure >}} +src = '/images/content_images/cs/PyCBC-numpy-dep-graph.png' +alt = 'PyCBC-numpy depgraph' +title = 'Gráfico de dependencias que muestra cómo el paquete PyCBC depende de NumPy' +{{< /figure >}} + +## 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](https://www.gw-openscience.org/events/GW150914/) responder preguntas complejas y descubrir nuevos horizontes en nuestra comprensión del universo. + +{{< figure >}} +src = '/images/content_images/cs/numpy_gw_benefits.png' +alt = 'beneficios de NumPy' +title = 'Capacidades clave de NumPy utilizadas' +{{< /figure >}} diff --git a/content/es/citing-numpy.md b/content/es/citing-numpy.md new file mode 100644 index 0000000000..9ba1ad4b92 --- /dev/null +++ b/content/es/citing-numpy.md @@ -0,0 +1,35 @@ +--- +title: Citando a NumPy +sidebar: falso +--- + +Si NumPy ha sido importante en tu investigación y deseas reconocer el proyecto en tu publicación académica, te sugerimos que cites el siguiente documento: + +* Harris, C.R., Millman, K.J., van der Walt, S.J. et al. _ Array programming with NumPy_. Nature 585, 357–362 (2020). DOI: [10.1038/s41586-020-2649-2](https://doi.org/10.1038/s41586-020-2649-2). ([Publisher link](https://www.nature.com/articles/s41586-020-2649-2)). + +_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 + Cournapeau and Eric Wieser and Julian Taylor and Sebastian + Berg and Nathaniel J. Smith and Robert Kern and Matti Picus + and Stephan Hoyer and Marten H. van Kerkwijk and Matthew + Brett and Allan Haldane and Jaime Fern{\'{a}}ndez del + R{\'{i}}o and Mark Wiebe and Pearu Peterson and Pierre + G{\'{e}}rard-Marchant and Kevin Sheppard and Tyler Reddy and + Warren Weckesser and Hameer Abbasi and Christoph Gohlke and + Travis E. Oliphant}, + year = {2020}, + month = sep, + journal = {Nature}, + volume = {585}, + number = {7825}, + pages = {357--362}, + doi = {10.1038/s41586-020-2649-2}, + publisher = {Springer Science and Business Media {LLC}}, + url = {https://doi.org/10.1038/s41586-020-2649-2} +} +``` diff --git a/content/es/code-of-conduct.md b/content/es/code-of-conduct.md new file mode 100644 index 0000000000..cebd773364 --- /dev/null +++ b/content/es/code-of-conduct.md @@ -0,0 +1,83 @@ +--- +title: Código de conducta de NumPy +sidebar: false +aliases: + - /conduct.html +--- + +### 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: + +* Stefan van der Walt +* Melissa Weber Mendonça +* Rohit Goswami + +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](https://numfocus.org/code-of-conduct#persons-responsible). + +### 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](report-handling-manual). + +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](report-handling-manual/#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: + +- [El Código de Conducta de SciPy](https://docs.scipy.org/doc/scipy/dev/conduct/code_of_conduct.html) diff --git a/content/es/community.md b/content/es/community.md new file mode 100644 index 0000000000..f96474c060 --- /dev/null +++ b/content/es/community.md @@ -0,0 +1,66 @@ +--- +title: Comunidad +sidebar: false +--- + +NumPy es un proyecto de código abierto impulsado por la comunidad y desarrollado por un grupo diverso de [colaboradores](/teams/). 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](/code-of-conduct) 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](/gethelp)._ + + +### [Lista de correo de NumPy](https://mail.python.org/mailman/listinfo/numpy-discussion) + +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](https://mail.python.org/archives/list/numpy-discussion@python.org/). + +*** + +### [Seguimiento de incidencias en GitHub](https://github.com/numpy/numpy/issues) + +- Para informes de error (por ejemplo, "`np.arange(3).shape` devuelve `(5,)`, cuando debería devolver `(3,)`"); +- problemas en la documentación (por ejemplo, "Esta sección me pareció poco clara"); +- y solicitudes de funcionalidades (por ejemplo, "Me gustaría tener un nuevo método de interpolación en `np.percentile`"). + +_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](https://tidelift.com/docs/security)._ + +*** + +### [Slack](https://numpy-team.slack.com) + +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](https://numpy.org/devdocs/dev/index.html#contributing-to-numpy) 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](https://www.meetup.com/pro/pydata/) (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](https://mail.python.org/mailman/listinfo/numpy-discussion) y en [X (antes conocido como Twitter)](https://twitter.com/numpy_team). + + +## 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: + +- [SciPy US](https://conference.scipy.org) +- [EuroSciPy](https://www.euroscipy.org) +- [SciPy Latinoamérica](https://www.scipyla.org) +- [SciPy India](https://scipy.in) +- [SciPy Japan](https://conference.scipy.org) +- [Conferencias PyData](https://pydata.org/event-schedule/) (de 15 a 20 eventos al año, repartidos entre muchos países) + +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](/contribute). + +No dudes en pasar a saludarnos en uno de nuestros encuentros de la comunidad. Para enterarte del próximo, consulta nuestro calendario de eventos [aquí](https://scientific-python.org/calendars/). diff --git a/content/es/config.yaml b/content/es/config.yaml new file mode 100644 index 0000000000..2f357737a1 --- /dev/null +++ b/content/es/config.yaml @@ -0,0 +1,109 @@ +languageName: Español +params: + description: '¿Por qué NumPy? Potentes arreglos n-dimensionales. Herramientas de cálculo numérico. Interoperabilidad. Rendimiento. Código abierto.' + navbarlogo: + image: logo.svg + text: NumPy + link: / + hero: + #Main hero title + title: NumPy + #Hero subtitle (optional) + subtitle: El paquete fundamental para la computación científica con Python + #Button text + buttontext: "Última versión: NumPy 2.0. Ver todas las versiones" + #Where the main hero button links to + buttonlink: "/news/#releases" + #Hero image (from static/images/___) + image: logo.svg + shell: + title: marcador + intro: + - title: Prueba NumPy + text: Utilice el terminal interactivo para probar NumPy en el navegador + docslink: No olvides echarle un ojo a la documentación. + casestudies: + title: CASOS DE ESTUDIO + features: + - title: Primera imagen de un Agujero Negro + text: Cómo NumPy, junto con bibliotecas como SciPy y Matplotlib que dependen de NumPy, permitió al Telescopio del Horizonte de Sucesos producir la primera imagen de un agujero negro + img: /images/content_images/case_studies/blackhole.png + alttext: Primera imagen de un agujero negro. Es un círculo anaranjado con fondo negro. + url: /es/case-studies/blackhole-image + - title: Detección de Ondas Gravitacionales + text: En 1916 Albert Einstein predijo las ondas gravitacionales; 100 años después se confirmó su existencia por científicos del LIGO, utilizando NumPy. + img: /images/content_images/case_studies/gravitional.png + alttext: Dos cuerpos orbitándose mutuamente. Estos desplazan la gravedad a su alrededor. + url: /es/case-studies/gw-discov + - title: Analíticas Deportivas + text: El Análisis de Críquet está cambiando el juego, mejorando el rendimiento de los jugadores y equipos mediante modelos estadísticos y análisis predictivos. NumPy permite realizar muchos de estos análisis. + img: /images/content_images/case_studies/sports.jpg + alttext: Bola de Cricket sobre un campo verde. + url: /es/case-studies/cricket-analytics + - title: Estimación de la pose mediante aprendizaje profundo + text: DeepLabCut utiliza NumPy para acelerar estudios científicos que implican la observación del comportamiento animal para una mejor comprensión del control motriz, a través de especies y escalas de tiempo. + img: /images/content_images/case_studies/deeplabcut.png + alttext: Análisis de la pose de un Guepardo + url: /es/case-studies/deeplabcut-dnn + tabs: + title: ECOSISTEMA + section5: false + navbar: + - title: Instalar + url: /es/install + - title: Documentación + url: https://numpy.org/doc/stable + - title: Aprende + url: /es/learn + - title: Comunidad + url: /es/community + - title: Quiénes somos + url: /es/about + - title: Noticias + url: /es/news + - title: Contribuye + url: /es/contribute + footer: + logo: logo.svg + socialmediatitle: "" + socialmedia: + - link: https://github.com/numpy/numpy + icon: github + - link: https://www.youtube.com/channel/UCguIL9NZ7ybWK5WQ53qbHng + icon: youtube + quicklinks: + column1: + title: "" + links: + - text: Instalar + link: /es/install + - text: Documentación + link: https://numpy.org/doc/stable + - text: Aprende + link: /es/learn + - text: Citando a NumPy + link: /es/citing-numpy + - text: Mapa de ruta + link: https://numpy.org/neps/roadmap.html + column2: + links: + - text: Acerca de nosotros + link: /es/about + - text: Comunidad + link: /es/community + - text: Encuestas a usuarios + link: /es/user-surveys + - text: Contribuye + link: /es/contribute + - text: Código de Conducta + link: /es/code-of-conduct + column3: + links: + - text: Buscar ayuda + link: /es/gethelp + - text: Términos de uso + link: /es/terms + - text: Confidencialidad + link: /es/privacy + - text: Kit de prensa + link: /es/press-kit diff --git a/content/es/contribute.md b/content/es/contribute.md new file mode 100644 index 0000000000..3ae6a32d18 --- /dev/null +++ b/content/es/contribute.md @@ -0,0 +1,65 @@ +--- +title: Contribuye a NumPy +sidebar: false +--- + +¡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](https://mail.python.org/mailman/listinfo/numpy-discussion) o [GitHub](http://github.com/numpy/numpy) (abre una [propuesta](https://github.com/numpy/numpy/issues) 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 o en [Slack](https://numpy-team.slack.com) (escribe a para recibir una invitación). + +También hacemos _llamadas a la comunidad_ de manera quincenal, cuyos detalles se anuncian en la [lista de correo](https://mail.python.org/mailman/listinfo/numpy-discussion). Te invitamos a unirte. Si es la primera vez que contribuyes al código abierto, también te recomendamos encarecidamente que leas [esta guía](https://opensource.guide/how-to-contribute/). + +Nuestra comunidad aspira a tratar a todos por igual y a valorar todas las contribuciones. Tenemos un [Código de Conducta](/code-of-conduct) para fomentar un entorno abierto y acogedor. + +### Escribiendo código + +Programadores, esta [guía](https://numpy.org/devdocs/dev/index.html#development-process-summary) explica cómo contribuir al código base.
También revisa nuestro [canal de YouTube](https://www.youtube.com/playlist?list=PLCK6zCrcN3GXBUUzDr9L4__LnXZVtaIzS) 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: +* resumir un debate extenso +* categorizar documentación de solicitudes de incorporación de cambios +* probar los cambios propuestos + +### Creando material educativo + +La [Guía de usuario](https://numpy.org/devdocs) 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](https://numpy.org/neps/nep-0044-restructuring-numpy-docs.html) expone nuestras ideas -- y tal vez tú puedas tener otras. + +### Clasificación de propuestas + +El [rastreador de propuestas de NumPy](https://github.com/numpy/numpy/issues) tiene _muchos_ temas abiertos. Algunos ya no son válidos, otros deberían priorizarse y otros serían buenos temas para nuevos colaboradores. Puedes: + +* revisar si errores antiguos siguen presentes +* encontrar problemas duplicados, y enlazar las relacionadas +* añadir la forma de reproducir siempre el mismo problema +* etiquetar correctamente los problemas (para ello es necesario tener derechos de categorización, solo necesitas preguntar) + +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](https://github.com/numpy/numpy.org/issues?q=is%3Aissue+is%3Aopen+label%3Adesign) 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](https://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](https://numpy.org/neps/nep-0028-website-redesign.html#translation-multilingual-i18n) para más información; comenta en [este tema de GitHub](https://github.com/numpy/numpy.org/issues/55) 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)](https://twitter.com/numpy_team), organizando [code sprints](https://scisprints.github.io/) 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](https://www.youtube.com/watch?v=dBTJD_FDVjU) 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](https://numpy.org/about/#donate) + + diff --git a/content/es/gethelp.md b/content/es/gethelp.md new file mode 100644 index 0000000000..e05dad4c51 --- /dev/null +++ b/content/es/gethelp.md @@ -0,0 +1,20 @@ +--- +title: Buscar Ayuda +sidebar: falso +--- + +**Problemas de desarrollo:** Para asuntos relacionados con el desarrollo de NumPy (por ejemplo, informes de errores), por favor consulte la sección de [Comunidad](/community). + +**Preguntas de los usuarios:** La mejor manera de obtener ayuda es publicar tu pregunta en un sitio como [StackOverflow](http://stackoverflow.com/questions/tagged/numpy) o [Reddit](https://www.reddit.com/r/Numpy/). Nos gustaría poder estar al tanto de estos sitios, o responder preguntas de manera directa, ¡pero el volumen es algo abrumador! + +### [StackOverflow](http://stackoverflow.com/questions/tagged/numpy) + +Un foro para hacer preguntas de uso, como por ejemplo: "¿Cómo hago X cosa en NumPy?". Por favor [usa la etiqueta `#numpy`](https://stackoverflow.com/help/tagging) + +*** + +### [Reddit](https://www.reddit.com/r/Numpy/) + +Otro foro para hacer preguntas de uso. + +*** diff --git a/content/es/history.md b/content/es/history.md new file mode 100644 index 0000000000..455aecff89 --- /dev/null +++ b/content/es/history.md @@ -0,0 +1,21 @@ +--- +title: Historia de NumPy +sidebar: falso +--- + +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](arxiv.org/abs/1907.10121). + +Si deseas obtener una copia de las librerías originales Numeric y Numarray, sigue los siguientes enlaces: + +[Página de Descarga de *Numeric*](https://sourceforge.net/projects/numpy/files/Old%20Numeric/)* + +[Página de Descarga de *Numarray*](https://sourceforge.net/projects/numpy/files/Old%20Numarray/)* + +*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'*](static/numeric-manual.pdf) + diff --git a/content/es/install.md b/content/es/install.md new file mode 100644 index 0000000000..2c709bd013 --- /dev/null +++ b/content/es/install.md @@ -0,0 +1,125 @@ +--- +title: Instalando NumPy +sidebar: false +--- + +El único prerrequisito para instalar NumPy es Python. Si aún no tienes Python y quieres la forma más sencilla de comenzar, te recomendamos que uses la [Distribución Anaconda](https://www.anaconda.com/download) - incluye Python, NumPy y muchos otros paquetes comúnmente utilizados para la computación científica y la ciencia de datos. + +NumPy se puede instalar con `conda`, con `pip`, con un gestor de paquetes en macOS y Linux, o [a partir del código fuente](https://numpy.org/devdocs/building). Para instrucciones más detalladas, consulte nuestra [guía de instalación de Python y NumPy](#python-numpy-install-guide) a continuación. + +**CONDA** + +Si utiliza `conda`, puede instalar NumPy desde los canales `defaults` o `conda-forge`: + +```bash +# La mejor práctica, utilizar un entorno en lugar de instalar en el entorno base +conda create -n my-env +conda activate my-env +# Si desea instalar desde conda-forge +conda config --env --add channels conda-forge +# El comando de instalación +conda install numpy +``` + +**PIP** + +Si utiliza `pip`, puede instalar NumPy con: + +```bash +pip install numpy +``` +También al utilizar pip, es buena práctica utilizar un entorno virtual - vea [Instalaciones Reproducibles](#reproducible-installs) a continuación para saber por qué, y [esta guía](https://dev.to/bowmanjd/python-tools-for-managing-virtual-environments-3bko#howto) para más detalles sobre el uso de entornos virtuales. + + + + +# Guía de instalación de Python y NumPy + +Instalar y administrar paquetes en Python es complicado, hay un número de soluciones alternativas para la mayoría de tareas. Esta guía intenta dar al lector una idea de las mejores (o más populares) soluciones y dar recomendaciones claras. Se enfoca en los usuarios de Python, NumPy y del stack de PyData (o computación numérica) en sistemas operativos y hardware comunes. + +## Recomendaciones + +Empezaremos con recomendaciones basadas en el nivel de experiencia del usuario y el sistema operativo de interés. Si se encuentra entre "principiante" y "avanzado", por favor diríjase a "principiante" si quiere mantener las cosas simples, y a "avanzado" si quiere trabajar de acuerdo a las mejores prácticas que le servirán de mucho en el futuro. + +### Usuarios principiantes + +Tanto en Windows, macOS y Linux: + +- Instale [Anaconda](https://www.anaconda.com/download) (esto instala todos los paquetes que necesita y todas las demás herramientas mencionadas a continuación). +- Para escribir y ejecutar código, utilice notebooks en [JupyterLab](https://jupyterlab.readthedocs.io/en/stable/index.html) para computación exploratoria e interactiva, y [Spyder](https://www.spyder-ide.org/) o [Visual Studio Code](https://code.visualstudio.com/) para escribir scripts y paquetes. +- Utilice [Anaconda Navigator](https://docs.anaconda.com/anaconda/navigator/) para administrar sus paquetes e iniciar JupyterLab, Spyder o Visual Studio Code. + + +### Usuarios avanzados + +#### Conda + +- Instale [Miniforge](https://github.com/conda-forge/miniforge). +- Mantenga el entorno conda `base` mínimo, y utilice uno o más [entornos conda](https://docs.conda.io/projects/conda/en/latest/user-guide/tasks/manage-environments.html) para instalar el paquete que necesite para la tarea o proyecto en que está trabajando. + +#### Alternativa si prefiere pip/PyPI + +Para usuarios que conocen, por preferencia personal o leyendo acerca de las diferencias principales entre conda y pip a continuación, y prefieren una solución basada en pip/PyPI, recomendamos: +- Instalar Python desde [python.org](https://www.python.org/downloads/), [Homebrew](https://brew.sh/) o su administrador de paquetes Linux. +- Utilice [Poetry](https://python-poetry.org/) como la herramienta mejor mantenida que proporciona una resolución de dependencias y capacidades de administración de entornos de forma similar a la que lo hace conda. + + +## Gestión de paquetes de Python + +La gestión de los paquetes es un problema desafiante y, como resultado, hay muchas herramientas. Para desarrollo web y de propósito general en Python existe un completo [conjunto de herramientas ](https://packaging.python.org/guides/tool-recommendations/)complementario a pip. Para computación de alto rendimiento (HPC), [Spack](https://github.com/spack/spack) amerita ser considerado. Sin embargo, para la mayoría de usuarios de NumPy, [conda](https://conda.io/en/latest/) y [pip](https://pip.pypa.io/en/stable/) son las dos herramientas más populares. + + +### Pip & conda + +Las dos herramientas principales que instalan paquetes de Python son `pip` y `conda`. Sus funcionalidades se traslapan parcialmente (por ejemplo, ambas pueden instalar `numpy`); no obstante, también pueden trabajar conjuntamente. Discutiremos las principales diferencias entre pip y conda aquí - esto es importante comprenderlo si usted desea gestionar paquetes de manera efectiva. + +La primera diferencia radica en que conda es multi-lenguaje y puede instalar Python, mientras que pip es instalado para una versión particular de Python en su sistema e instala paquetes para esa misma versión de Python solamente. Esto también significa que conda puede instalar librerías que no sean de Python y herramientas que usted pueda necesitar (por ejemplo, compiladores, CUDA, HDF5), mientras que pip no. + +La segunda diferencia es que pip instala desde el Índice de Empaquetado de Python (PyPI - Python Packaging Index), mientras que conda instala desde sus propios canales (típicamente "defaults" o "conda-forge"). PyPI es, de lejos, la colección de paquetes más grande; sin embargo, todos los paquetes populares están también disponibles para conda. + +La tercera diferencia consiste en que conda es una solución integrada para gestionar paquetes, dependencias y entornos; mientras que con pip, usted podría necesitar otra herramienta (hay muchas!) para manejar entornos o dependencias complejas. + + + +### Instalaciones reproducibles + +En la medida en que las librerías son actualizadas, los resultados al correr su código pueden cambiar, o su código puede fallar por completo. Es importante que sea capaz de reconstruir el conjunto de paquetes y versiones que usted está utilizando. La mejor práctica es: + +1. usar un entorno diferente por cada proyecto en el cual usted esté trabajando, +2. almacenar los nombres de paquetes y versiones utilizando su instalador de paquetes, cada uno de los cuales tiene su propio formato de metadata para esto: + - Conda: [entornos conda y environment.yml](https://docs.conda.io/projects/conda/en/latest/user-guide/tasks/manage-environments.html) + - Pip: [entornos virtuales](https://docs.python.org/3/tutorial/venv.html) y [requirements.txt](https://pip.readthedocs.io/en/latest/user_guide/#requirements-files) + - Poetry: [entornos virtuales y pyproject.toml](https://python-poetry.org/docs/basic-usage/) + + + +## Paquetes NumPy & librerías de álgebra lineal aceleradas + +NumPy no depende de ningún otro paquete de Python; sin embargo, sí depende de una librería de álgebra lineal acelerada - típicamente [Intel MKL](https://software.intel.com/en-us/mkl) u [OpenBLAS](https://www.openblas.net/). Los usuarios no tienen que preocuparse por instalar éstas (se incluyen automáticamente en todos los métodos de instalación de NumPy). Los usuarios avanzados podrían querer, de todas maneras, conocer los detalles, ya que la utilización BLAS puede afectar el desempeño, comportamiento y tamaño en disco: + +- Las ruedas NumPy en PyPI, que son los que pip instala, están construidas con OpenBLAS. Las librerías de OpenBLAS están incluidas en la rueda. Esto vuelve a la rueda más grande, y si un usuario instala (por ejemplo) SciPy también, tendrá dos copias de OpenBLAS en disco. + +- En el canal defaults o predeterminado de conda, NumPy está basado en Intel MKL. MKL es un paquete separado que se instalará en el entorno de usuario al instalar NumPy. + +- En el canal conda-forge, Numpy está basado en un paquete "BLAS" ficticio o dummy. Cuando un usuario instala NumPy desde conda-forge, ese paquete BLAS es instalado junto con la librería - éste por defecto es OpenBLAS, pero también puede ser MKL (desde el canal defaults o predeterminado), o incluso [BLIS](https://github.com/flame/blis) o referencia BLAS. + +- El paquete MKL es mucho más grande que OpenBLAS, de alrededor de 700 MB en disco, mientras que OpenBLAS es aproximadamente de 30MB. + +- MKL es normalmente un poco más rápido y más robusto que OpenBLAS. + +Además del tamaño de instalación, desempeño y robustez, hay dos aspectos más a considerar: + +- Intel MKL no es de código abierto. Para uso normal esto no es un problema, pero si un usuario necesita redistribuir una aplicación construida con NumPy, esto podría ser un inconveniente. +- MKL y OpenBLAS utilizan funciones multihilo como `np.dot`, siendo el número de hilos determinado tanto por una opción de tiempo de compilación como por una variable de entorno. Todos los núcleos de la CPU usualmente serán utilizados. Esto es en ocasiones inesperado para los usuarios. NumPy en sí mismo no paraleliza automáticamente ninguna llamada a función. Normalmente produce un mejor rendimiento, pero también puede ser perjudicial - por ejemplo cuando se utiliza otro nivel de paralelización con Dask, el aprendizaje de la ciencia o multiprocesamiento. + + +## Resolución de problemas + +Si su instalación falla con el siguiente mensaje, revise el siguiente enlace [Resolución de problemas ImportError](https://numpy.org/doc/stable/user/troubleshooting-importerror.html). + +``` +¡IMPORTANTE: POR FAVOR LEA ESTO COMO SUGERENCIA PARA RESOLVER ESTE PROBLEMA! + +La importación de las extensiones-c de numpy falló. Este error puede ocurrir por varias razones, siendo frecuente debido a problemas con su configuración. +``` + diff --git a/content/es/learn.md b/content/es/learn.md new file mode 100644 index 0000000000..016e78cfd1 --- /dev/null +++ b/content/es/learn.md @@ -0,0 +1,76 @@ +--- +title: Aprende +sidebar: false +--- + +Para la **documentación oficial de NumPy** visita [numpy.org/doc/stable](https://numpy.org/doc/stable). + +*** + +A continuación se muestra una colección de recursos educativos, tanto para el autoaprendizaje como para enseñar a otros, desarrollados por colaboradores de NumPy y aprobados por la comunidad. + +## Principiantes + +Hay un montón de información sobre NumPy allá afuera. Si eres nuevo, te recomendamos encarecidamente estos: + + **Tutoriales** + +* [Tutorial de inicio rápido de NumPy](https://numpy.org/devdocs/user/quickstart.html) +* [NumPy Tutorials](https://numpy.org/numpy-tutorials) Una colección de tutoriales y materiales educativos en formato de cuadernos Jupyter desarrollados y mantenidos por el equipo de documentación de NumPy. Para enviar tu propio contenido, visita el repositorio [numpy-tutorials en GitHub](https://github.com/numpy/numpy-tutorials). +* [NumPy Illustrated: La Guía Visual de NumPy *por Lev Maximov*](https://betterprogramming.pub/3b1d4976de1d?sk=57b908a77aa44075a49293fa1631dd9b) +* [Scientific Python Lectures](https://scipy-lectures.org/) Además de cubrir NumPy, estas conferencias ofrecen una introducción más amplia al ecosistema científico de Python. +* [NumPy: the absolute basics for beginners.](https://numpy.org/devdocs/user/absolute_beginners.html) +* [NumPy tutorial *por Nicolas Rougier*](https://github.com/rougier/numpy-tutorial) +* [Stanford CS231 *por Justin Johnson*](http://cs231n.github.io/python-numpy-tutorial/) +* [NumPy User Guide.](https://numpy.org/devdocs) + + **Libros** + +* [Guide to NumPy *por Travis E. Oliphant*](https://web.mit.edu/dvp/Public/numpybook.pdf) Ésta es una versión 1 gratuita de 2006. Para conseguir la última versión (2015) mira [aquí](https://www.barnesandnoble.com/w/guide-to-numpy-travis-e-oliphant-phd/1122853007). +* [From Python to NumPy *por Nicolas P. Rougier*](https://www.labri.fr/perso/nrougier/from-python-to-numpy/) +* [Elegant SciPy](https://www.amazon.com/Elegant-SciPy-Art-Scientific-Python/dp/1491922877) *por Juan Nunez-Technesias, Stefan van der Walt, y Harriet Dashnow* + +También puedes echar un vistazo a esta [lista de Goodreads](https://www.goodreads.com/shelf/show/python-scipy) sobre el tema "Python+SciPy". La mayoría de esos libros son sobre el "ecosistema SciPy", que tiene NumPy en su núcleo. + + **Videos** + +* [Introduction to Numerical Computing with NumPy](http://youtu.be/ZB7BZMhfPgk) *por Alex Chabot-Leclerc* + +*** + +## Avanzado + +Pruebe estos recursos avanzados para comprender mejor los conceptos de NumPy como indexación avanzada, división, apilamiento, álgebra lineal y mucho más. + + **Tutoriales** + +* [100 NumPy Exercises](http://www.labri.fr/perso/nrougier/teaching/numpy.100/index.html) *por Nicolas P. Rougier* +* [An Introduction to NumPy and Scipy](https://engineering.ucsb.edu/~shell/che210d/numpy.pdf) *por M. Scott Shell* +* [Numpy Medkits](http://mentat.za.net/numpy/numpy_advanced_slides/) *por Stéfan van der Walt* +* [Tutoriales de NumPy](https://numpy.org/numpy-tutorials) Una colección de tutoriales y materiales educativos en formato de cuadernos Jupyter desarrollados y mantenidos por el equipo de documentación de NumPy. Para enviar tu propio contenido, visita el repositorio [numpy-tutorials en GitHub](https://github.com/numpy/numpy-tutorials). + + **Libros** + +* [Python Data Science Handbook](https://www.amazon.com/Python-Data-Science-Handbook-Essential/dp/1491912057) *por Jake Vanderplas* +* [Python for Data Analysis](https://www.amazon.com/Python-Data-Analysis-Wrangling-Ipython/dp/1491957662) *por Wes McKinney* +* [Numerical Python: Scientific Computing and Data Science Applications with Numpy, SciPy, and Matplotlib](https://www.amazon.com/Numerical-Python-Scientific-Applications-Matplotlib/dp/1484242459) *por Robert Johansson* + + **Videos** + +* [Advanced NumPy - broadcasting rules, strides, and advanced indexing](https://www.youtube.com/watch?v=cYugp9IN1-Q) *por Juan Nunez-Iglesias* + +*** + +## Charlas de NumPy + +* [The Future of NumPy Indexing](https://www.youtube.com/watch?v=o0EacbIbf58) *por Jaime Fernández* (2016) +* [Evolution of Array Computing in Python](https://www.youtube.com/watch?v=HVLPJnvInzM&t=10s) *por Ralf Gommers* (2019) +* [NumPy: what has changed and what is going to change?](https://www.youtube.com/watch?v=YFLVQFjRmPY) *por Matti Picus* (2019) +* [Inside NumPy](https://www.youtube.com/watch?v=dBTJD_FDVjU) *por Ralf Gommers, Sebastian Berg, Matti Picus, Tyler Reddy, Stefan van der Walt, Charles Harris* (2019) +* [Brief Review of Array Computing in Python](https://www.youtube.com/watch?v=f176j2g2eNc) *por Travis Oliphant* (2019) + +*** + +## Citando a NumPy + +Si NumPy ha sido importante en tu investigación y deseas reconocer el proyecto en tu publicación académica, consulta esta [información de citado](/citing-numpy). diff --git a/content/es/news.md b/content/es/news.md new file mode 100644 index 0000000000..1e34cd9fcf --- /dev/null +++ b/content/es/news.md @@ -0,0 +1,306 @@ +--- +title: Noticias +sidebar: false +newsHeader: "¡NumPy 2.0 ha sido lanzado!" +date: 2024-06-17 +--- + +### Lanzamiento de NumPy 2.1.0 + +_18 de agosto 2024_ -- NumPy 2.1.0 provides support for Python 3.13 and drops support for Python 3.9. Además de las habituales correcciones de errores y soporte actualizado de Python, ayuda a que NumPy vuelva a su ciclo de publicación habitual después del extenso desarrollo de 2.0. Los aspectos más destacados son: + +- Soporte para Python 3.13. +- Soporte preliminar para Python 3.13 de hilos libres. +- Compatibilidad con la norma array-api 2023.12. + +Esta versión es compatible con las versiones 3.10-3.13 de Python. + + +### Lanzamiento de NumPy 2.0.0 + +_16 de junio de 2024_ -- NumPy 2.0.0 es el primer lanzamiento importante desde 2006. Es el resultado de 11 meses de desarrollo desde el último lanzamiento de características y es el trabajo de 212 colaboradores distribuidos entre 1078 solicitudes de incorporación de cambios. Contiene un gran número de nuevas características interesantes, así como cambios en las APIs de Python y C. Incluye cambios importantes que no podrían producirse en un lanzamiento menor regular, como una ruptura de ABI, cambios en las reglas de promoción de tipos y cambios en la API que podrían no haber estado emitiendo advertencias de obsolescencia en la versión 1.26.x. Los documentos clave relacionados con cómo adaptarse a los cambios en NumPy 2.0 incluyen: + +- La [Guía de migración de NumPy 2.0](https://numpy.org/devdocs/numpy_2_0_migration_guide.html) +- Las [notas de lanzamiento 2.0.0](https://numpy.org/devdocs/release/2.0.0-notes.html) +- Emisión de anuncios para actualizaciones de estado: [numpy#24300](https://github.com/numpy/numpy/issues/24300) + +La publicación ["NumPy 2.0: an evolutionary milestone"](https://blog.scientific-python.org/numpy/numpy2/) cuenta un poco de la historia sobre cómo se llegó a este lanzamiento. + + +### Fecha de lanzamiento de NumPy 2.0: 16 de junio + +_23 de mayo de 2024_ -- Estamos encantados de anunciar que NumPy 2.0 está previsto que sea lanzado el 16 de junio de 2024. Esta publicación lleva más de un año en proceso y es el primer lanzamiento importante desde 2006. Es importante destacar que, además de muchas nuevas características y mejoras en el rendimiento, contiene **cambios disruptivos** frente al ABI, como también a las APIs de Python y C. Es probable que los paquetes dependientes o downstream y código de usuario final necesiten ser adaptados - si puedes, por favor verifica que tu código funciona con NumPy `2.0.0rc2`. **Por favor, revisa lo siguiente para más detalles:** + +- La [guía de migración a NumPy 2.0](https://numpy.org/devdocs/numpy_2_0_migration_guide.html) +- Las [ notas del lanzamiento 2.0.0](https://numpy.org/devdocs/release/2.0.0-notes.html) +- Emisión de anuncios para actualizaciones de estado: [numpy#24300](https://github.com/numpy/numpy/issues/24300) + + +### Recaudación de fondos de fin de año de NumFOCUS +_19 de diciembre de 2023_ -- NumFOCUS se ha asociado con PyCharm durante su campaña de fin de año para ofrecer un 30% de descuento en licencias de primera vez de PyCharm. Todos los ingresos del primer año de las compras de PyCharm desde ahora hasta el 23 de diciembre de 2023 se destinarán directamente a los programas de NumFOCUS. + +Utiliza una URL única que te permitirá rastrear las compras https://lp.jetbrains.com/support-data-science/ o un código de cupón ISUPPORTDATASCIENCE  + +### NumPy 1.26.0 ha sido lanzado + +_16 de septiembre de 2023_ -- [NumPy 1.26.0](https://numpy.org/doc/stable/release/1.26.0-notes.html) ahora está disponible. Los aspectos más destacados del lanzamiento son: + +* Soporte de Python 3.12.0. +* Compatibilidad con Cython 3.0.0. +* Utilización del sistema de compilación Meson +* Actualización del soporte de SIMD +* Correcciones de f2py, meson y soporte de bind(x) +* Soporte para la librería actualizada Accelerate BLAS/LAPACK + +La versión 1.26.0 de NumPy es la continuación de la serie 1.25.x que marca la transición al sistema de compilación Meson y que provee soporte para Cython 3.0.0. Un total de 20 personas contribuyeron a esta versión y 59 solicitudes de cambios fueron fusionadas. + +Las versiones de Python compatibles con esta versión son 3.9-3.12. + +### numpy.org ya está disponible en japonés y portugués + +_ 2 de agosto de 2023_ -- numpy.org ya está disponible en 2 idiomas adicionales: japonés y portugués. Esto no sería posible sin nuestros dedicados voluntarios: + +_Portugués:_ +* Melissa Weber Mendonça (melissawm) +* Precios Ricardo (ricardoprins) +* Getúlio Silva (getuliosilva) +* Julio Batista Silva (jbsilva) +* Alexandre de Siqueira (alexdesiqueira) +* Alexandre B A Villares (villares) +* Vini Salazar (vinisalazar) + +_Japonés:_ +* Atsushi Sakai (AtsushiSakai) +* KKunai +* Tom Kelly (TomKellyGenetics) +* Yuji Kanagawa (kngwyu) +* Tetsuo Koyama (tkoyama010) + +El trabajo sobre la infraestructura de traducción se apoya con fondos de CZI. + +De cara al futuro, nos encantaría traducir el sitio web a más idiomas. Si quieres ayudar, por favor pone en contacto con el equipo de traducciones de NumPy en Slack: https://join.slack.com/t/numpy-team/shared_invite/zt-1gokbq56s-bvEpo10Ef7aHbVtVFeZv2w. (Busca el canal #translations) También estamos formando un equipo de traducciones que estará trabajando en la localización de la documentación y el contenido educativo a través de todo el ecosistema de Python científico. Si esto ha despertado tu interés, únete a nosotros en el Discord de Python científico: https://discord.gg/khWtqY6RKr. (Busca el canal #translations) + +### NumPy 1.25.0 ha sido lanzado + +_17 de junio de 2023_ -- [NumPy 1.25.0](https://numpy.org/doc/stable/release/1.25.0-notes.html) ya está disponible. Los aspectos más destacados del lanzamiento son: + +* Soporte para MUSL, ahora hay ruedas MUSL. +* Soporte para el compilador de Fujitsu C/C++. +* Los arreglos de objetos ahora están soportadas en einsum. +* Soporte para la multiplicación de matrices in situ (`@=`). + +NumPy 1.25. continúa el trabajo en curso para mejorar el manejo y promoción de dtypes, aumentar la velocidad de ejecución y clarificar la documentación. También se ha realizado trabajo preparatorio para el futuro NumPy 2.0.0, resultando en un gran número de nuevas y eliminadas obsolescencias. + +Un total de 148 personas contribuyeron a esta versión y 530 solicitudes de incorporación de cambios fueron aceptadas. + +Las versiones de Python soportadas por este lanzamiento son 3.9-3.11. + +### Fomentar una Cultura Inclusiva: Convocatoria de Participación + +_10 de mayo de 2023_ -- Fomentar una Cultura Inclusiva: Convocatoria de Participación + +¿Cómo podemos ser mejores cuando se trata de diversidad e inclusión? Lee el informe y averigua cómo involucrarte [aquí](https://contributor-experience.org/docs/posts/dei-report/). + +### Transición en el liderazgo del equipo de documentación de NumPy + +_6 de enero de 2023_ –- Mukulika Pahari y Ross Barnowski son nombrados como los nuevos líderes del equipo de documentación de NumPy, reemplazando a Melissa Mendonça. Damos las gracias a Melissa por todas sus contribuciones a la documentación oficial de NumPy y materiales educativos, y a Mukulika y Ross por asumir este rol. + +### Lanzamiento de NumPy 1.24.0 + +_18 de diciembre de 2022_ -- [NumPy 1.24.0](https://numpy.org/doc/stable/release/1.24.0-notes.html) ya está disponible. Los aspectos más destacados del lanzamiento son: + +* Nuevas palabras clave "dtype" y "casting" para las funciones de apilamiento. +* Nuevas características y correcciones de F2PY. +* Muchas nuevas obsolescencias, revísalas. +* Muchas obsolescencias caducadas, + +El lanzamiento de NumPy 1.24.0 continúa el trabajo en curso para mejorar el manejo y promoción de dtypes, aumentar la velocidad de ejecución y clarificar la documentación. Hay un gran número de obsolescencias nuevas y caducadas debido a los cambios en la limpieza y promoción de tipo dtype. Es el trabajo de 177 colaboradores distribuidos sobre 444 solicitudes de incorporación de cambios. Las versiones Python soportadas son 3.8-3.11. + +### NumPy 1.23.0 ha sido lanzado + +_22 de junio de 2022_ -- [NumPy 1.23.0](https://numpy.org/doc/stable/release/1.23.0-notes.html) ya está disponible. Los aspectos más destacados del lanzamiento son: + +* Implementación de `loadtxt` en C, mejorando enormemente su rendimiento. +* Exposición de DLPack a nivel Python para facilitar el intercambio de datos. +* Cambios a la promoción y comparación de dtypes estructurados. +* Mejoras a f2py. + +El lanzamiento de NumPy 1.23.0 continúa el trabajo en curso para mejorar el manejo y promoción de dtypes, aumentar la velocidad de ejecución y clarificar la documentación, caducar viejas obsolescencias. Es el trabajo de 151 colaboradores distribuidos sobre 494 solicitudes de incorporación de cambios. Las versiones de Python soportadas por este lanzamiento son 3.8-3.10. Python 3.11 será soportado cuando alcance la etapa rc. + +### Estudio de investigación NumFOCUS DEI: llamado a participar + +_13 de abril de 2022_ -- NumPy está trabajando con [NumFOCUS](http://numfocus.org/) en un [proyecto de investigación](https://numfocus.org/diversity-inclusion-disc/a-pivotal-time-in-numfocuss-project-aimed-dei-efforts?eType=EmailBlastContent&eId=f41a86c3-60d4-4cf9-86cf-58eb49dc968c) financiado por la [Fundación Gordon & Betty Moore](https://www.moore.org/) para entender las barreras de participación que enfrentan los colaboradores, especialmente aquellos de grupos históricamente subrepresentados, en la comunidad de software de código abierto. El equipo de investigación quisiera hablar con nuevos colaboradores, desarrolladores y mantenedores del proyecto, y con aquellos que han contribuido en el pasado acerca de sus experiencias uniéndose y contribuyendo a NumPy. + +**¿Estás interesado en compartir tus experiencias?** + +Por favor, completa este breve [formulario de "Interés del Participante"](https://numfocus.typeform.com/to/WBWVJSqe), que contiene información adicional sobre los objetivos de la investigación, la privacidad y las consideraciones de confidencialidad. Tu participación será valiosa para el crecimiento y la sostenibilidad de comunidades de software de código abierto diversas e inclusivas. Los participantes aceptados participarán en una entrevista de 30 minutos con un miembro del equipo de investigación. + +### Lanzamiento de NumPy 1.22.0 + +_31 de diciembre de 2021_ -- [NumPy 1.22.0](https://numpy.org/doc/stable/release/1.22.0-notes.html) ya está disponible. Los aspectos más destacados del lanzamiento son: + +* Las anotaciones de tipo del espacio de nombres principal están esencialmente completas. El repositorio principal (upstream) es un objetivo en movimiento, así que probablemente habrán más mejoras, pero el mayor trabajo ya está hecho. Esta es probablemente la mejora más visible para el usuario en esta versión. +* Una versión preliminar del propuesto [Estándar API de Arreglos](https://data-apis.org/array-api/latest/) es suministrada (véase [NEP 47](https://numpy.org/neps/nep-0047-array-api-standard.html)). Este es un paso en la creación de una colección estándar de funciones que pueden ser usadas a través de librerías como CuPy y JAX. +* NumPy ahora tiene un backend de DLPack. DLPack proporciona un formato de intercambio común para datos de arreglos (tensor). +* Nuevos métodos para `cuantil`, `percentil` y funciones relacionadas. Los nuevos métodos proporcionan un conjunto completo de los métodos comúnmente encontrados en la literatura. +* Las funciones universales se han refactorizado para implementar la mayor parte de [NEP 43](https://numpy.org/neps/nep-0043-extensible-ufuncs.html). Esto también desbloquea la capacidad de experimentar con la futura API DType. +* Un nuevo asignador de memoria configurable para el uso de proyectos dependientes o downstream. + +NumPy 1.22.0 es un gran lanzamiento que contó con el trabajo de 153 colaboradores distribuidos sobre 609 solicitudes de incorporación de cambios. Las versiones de Python soportadas por este lanzamiento son 3.8-3.10. + +### Promoviendo una cultura inclusiva en el ecosistema científico de Python + +_31 de agosto de 2021_ -- Nos complace anunciar que la Iniciativa Chan Zuckerberg ha [otorgado una subvención](https://chanzuckerberg.com/newsroom/czi-awards-16-million-for-foundational-open-source-software-tools-essential-to-biomedicine/) para apoyar la incorporación, inclusión, y retención de personas de grupos históricamente marginados en proyectos científicos de Python y para mejorar estructuralmente la dinámica de la comunidad para NumPy, SciPy, Matplotlib y Pandas. + +Como parte del [Programa de Software Esencial de Código Abierto para la Ciencia de CZI](https://chanzuckerberg.com/eoss/), esta subvención suplementaria de [Diversidad &e Inclusión](https://cziscience.medium.com/advancing-diversity-and-inclusion-in-scientific-open-source-eaabe6a5488b) apoyará la creación de posiciones dedicadas de Líder de Experiencia del Colaborador para identificar, documentar e implementar prácticas para fomentar comunidades inclusivas de código abierto. Este proyecto será liderado por Melissa Mendonça (NumPy), con mentoría y orientación adicionales por parte de Ralf Gommers (NumPy, SciPy), Hannah Aizenman y Thomas Caswell (Matplotlib), Matt Haberland (SciPy), y Joris Van den Bossche (Pandas). + +Este es un proyecto ambicioso destinado a descubrir e implementar actividades que deberían mejorar estructuralmente la dinámica comunitaria de nuestros proyectos. Al establecer estos nuevos roles entre proyectos, esperamos introducir un nuevo modelo de colaboración para las comunidades de Python Científico, permitiendo que el trabajo de construcción de comunidades dentro del ecosistema se realice de manera más eficiente y con mejores resultados. También esperamos desarrollar una idea más clara tanto de lo que funciona y lo que no en nuestros proyectos, para atraer y retener nuevos colaboradores, especialmente de grupos históricamente subrepresentados. Finalmente, planeamos producir informes detallados sobre las acciones ejecutadas, explicando cómo éstas han impactado nuestros proyectos en términos de representación e interacción con nuestras comunidades. + +Se espera que este proyecto, de dos años de duración, comience en noviembre de 2021, y estamos emocionados por ver los resultados de este trabajo! [Puedes leer la propuesta completa aquí](https://figshare.com/articles/online_resource/Advancing_an_inclusive_culture_in_the_scientific_Python_ecosystem/16548063). + +### Encuesta de NumPy de 2021 + +_12 de julio de 2021_ -- En NumPy creemos en el poder de nuestra comunidad. 1,236 usuarios de NumPy de 75 países participaron en nuestra encuesta inaugural el año pasado. Los resultados de la encuesta nos dieron una muy buena comprensión acerca de lo que debería ser nuestro enfoque durante los próximos 12 meses. + +Es hora de otra encuesta, y contamos contigo una vez más. Te tomará alrededor de 15 minutos de tu tiempo. Además de inglés, el cuestionario de la encuesta está disponible en 8 idiomas adicionales: Bangla, Francés, Hindi, Japonés, Mandarín, Portugués, Ruso y Español. + +Sigue el enlace para comenzar: https://berkeley.qualtrics.com/jfe/form/SV_aaOONjgcBXDSl4q. + + +### Lanzamiento de NumPy 1.21.0 + +_23 de junio de 2021_ -- [NumPy 1.21.0](https://numpy.org/doc/stable/release/1.21.0-notes.html) ya está disponible. Los aspectos más destacados de esta versión son: + +- trabajo SIMD continuo que cubre más funciones y plataformas, +- trabajo inicial sobre la nueva infraestructura dtype y conversiones de tipo, +- universal2 wheels para Python 3.8 y Python 3.9 en Mac, +- documentación mejorada, +- anotaciones mejoradas, +- nuevo `PCG64DXSM` generador de bits para números aleatorios. + +Esta versión de NumPy es el resultado de 581 solicitudes de incorporación de cambios contribuidas por 175 personas. Las versiones de Python soportadas por este lanzamiento son las 3.7-3.9, se añadirá soporte para Python 3.10 después del lanzamiento de Python 3.10. + + +### Resultados de la encuesta de NumPy de 2020 + +_22 de junio de 2021_ -- En 2020, el equipo de encuestas de NumPy, en asociación con los estudiantes y profesores de la Universidad de Michigan y la Universidad de Maryland, realizó la primera encuesta oficial de la comunidad NumPy. Encuentra los resultados de la encuesta aquí: https://numpy.org/user-survey-2020/. + + +### Lanzamiento de NumPy 1.20.0 + +_30 de enero de 2021_ -- [NumPy 1.20.0](https://numpy.org/doc/stable/release/1.20.0-notes.html) ya está disponible. Este es el lanzamiento de NumPy más grande hasta la fecha, gracias a los más de 180 colaboradores. Las dos nuevas características más importantes son: +- Anotaciones de tipo para grandes partes de NumPy, y un nuevo submódulo `numpy.typing` que contiene los alias `ArralyLike` y `DtypeLike` que los usuarios y las librerías dependientes o downstream pueden usar al agregar anotaciones de tipo en su propio código. +- Optimizaciones de compilador SIMD multiplataforma, con soporte para instrucciones x86 (SSE, AVX), ARM64 (Neon) y PowerPC (VSX). Esto produjo mejoras significativas de rendimiento para muchas funciones (ejemplos: [sin/cos](https://github.com/numpy/numpy/pull/17587), [einsum](https://github.com/numpy/numpy/pull/18194)). + +### Diversidad en el proyecto NumPy + +_20 de septiembre de 2020_ -- Escribimos una [declaración sobre el estado de, y discusión en redes sociales, alrededor de la diversidad e inclusión en el proyecto NumPy](/diversity_sep2020). + + +### Primer artículo oficial de NumPy publicado en Nature! + +_16 de septiembre de 2020_ -- Nos complace anunciar la publicación del [primer artículo oficial sobre NumPy](https://www.nature.com/articles/s41586-020-2649-2) como artículo de revisión en Nature. Esto llega 14 años después de la publicación de NumPy 1.0. El documento cubre aplicaciones y conceptos fundamentales de programación de arreglos, el rico ecosistema científico de Python construido sobre NumPy, y los recientemente añadidos protocolos de arreglos que facilitan la interoperabilidad con librerías de arreglos y tensores externas, tales como CuPy, Dask y JAX. + + +### Python 3.9 está por llegar, ¿cuándo lanzará NumPy ruedas binarias? + +_14 de septiembre de 2020_ -- Python 3.9 será lanzado dentro de unas pocas semanas. Si eres uno de los primeros en adoptar las más recientes versiones de Python, es posible que te sientas decepcionado al descubrir que NumPy (y otros paquetes binarios como SciPy) no tendrán ruedas binarias listas para el día del lanzamiento. Es un esfuerzo importante el adaptar la infraestructura de compilación a una versión nueva de Python y normalmente tarda unas cuantas semanas para que los paquetes aparezcan en PyPI y conda-forge. En preparación para este evento, por favor asegúrese de +- actualizar su versión de `pip` al menos a la 20.1 para soportar `manylinux2010` y `manylinux2014` +- utiliza [`--only-binary=numpy`](https://pip.pypa.io/en/stable/reference/pip_install/#cmdoption-only-binary) o `--only-binary=:all:` para evitar que `pip` intente compilar desde la fuente. + + +### Lanzamiento de NumPy 1.19.2 + +_10 de septiembre de 2020_ -- [NumPy 1.19.2](https://numpy.org/devdocs/release/1.19.2-notes.html) ya está disponible. Este último lanzamiento de la serie 1.19 corrige varios errores, se prepara para el [lanzamiento próximo de Cython 3.x](http://docs.cython.org/en/latest/src/changes.html) y fija las versiones de setuptools para mantener distutils funcionando mientras las modificaciones hacia el repositorio principal continúan. Las wheels para aarch64 están construidas con la última versión de manylinux2014 que corrige el problema de diferentes tamaños de página utilizados por diferentes distribuciones de linux. + +### La encuesta inaugural de NumPy ya está disponible! + +_2 de julio de 2020_ -- Esta encuesta está destinada a guiar y establecer prioridades para la toma de decisiones sobre el desarrollo de NumPy como software y como comunidad. La encuesta está disponible en 8 idiomas adicionales además del Inglés: Bangla, Hindi, Japonés, Mandarín, Portugués, Ruso, Español y Francés. + +Por favor ayúdanos a mejorar NumPy diligenciando la encuesta: [aquí](https://umdsurvey.umd.edu/jfe/form/SV_8bJrXjbhXf7saAl). + + +### ¡NumPy tiene un nuevo logo! + +_24 de junio de 2020_ -- NumPy tiene ahora un nuevo logo: + +Logo de NumPy + +El logo es una versión moderna del anterior, con un diseño más limpio. Gracias a Isabela Presedo-Floyd por diseñar el nuevo logo, así como a Travis Vaught por el viejo logo que nos sirvió tanto durante más de 15 años. + + +### Lanzamiento de NumPy 1.19.0 + +_20 de junio de 2020_ -- NumPy 1.19.0 ya está disponible. Esta es el primer lanzamiento sin soporte para Python 2, por lo que fue una "versión de limpieza". La versión mínima soportada de Python es ahora Python 3.6. Una nueva característica importante es que la infraestructura de generación de números aleatorios que fue introducida en NumPy 1.17.0 es ahora accesible desde Cython. + + +### Aceptación a Season of Docs + +_11 de mayo de 2020_ -- NumPy ha sido aceptado como una de las organizaciones mentoras para el programa Google Season of Docs. ¡Estamos entusiasmados de tener la oportunidad de trabajar con un redactor técnico para mejorar la documentación de NumPy una vez más! Para más detalles, por favor consulte [el sitio oficial de Season of Docs](https://developers.google.com/season-of-docs/) y nuestra [página de ideas](https://github.com/numpy/numpy/wiki/Google-Season-of-Docs-2020-Project-Ideas). + + +### Lanzamiento de NumPy 1.18.0 + +_22 de diciembre de 2019_ -- NumPy 1.18.0 ya está disponible. Después de los grandes cambios en 1.17.0, este es un lanzamiento de consolidación. Es el último lanzamiento menor que soportará Python 3.5. Los aspectos más destacados de la publicación incluyen la adición de la infraestructura básica para enlazar con las librerías BLAS de 64 bits y LAPACK, y un nuevo C-API para `numpy.random`. + +Por favor revise las [notas del lanzamiento](https://github.com/npm/npm/releases/tag/v2.11.0) para conocer más detalles. + + +### NumPy recibe una subvención de la Iniciativa Chan Zuckerberg + +_15 de noviembre de 2019_ -- Nos complace anunciar que NumPy y OpenBLAS, una de las dependencias clave de NumPy, han recibido una subvención conjunta por $195,000 de la Iniciativa Chan Zuckerberg a través de su [programa Esencial de Software Abierto para la Ciencia](https://chanzuckerberg.com/eoss/) que apoya el mantenimiento de software, crecimiento, desarrollo y compromiso comunitario para herramientas de código abierto críticas para la ciencia. + +Esta subvención se utilizará para acelerar los esfuerzos en la mejora de la documentación de NumPy, rediseño del sitio web y desarrollo de la comunidad para servir mejor a nuestra amplia y creciente base de usuarios, y asegurar la sostenibilidad a largo plazo del proyecto. Mientras que el equipo de OpenBLAS se enfocará en abordar conjuntos de problemas técnicos clave, en particular la seguridad de los hilos, AVX-512, y problemas de almacenamiento local de hilos (TLS), así como mejoras algorítmicas en ReLAPACK (Recursive LAPACK) de las que depende OpenBLAS. + +Puede encontrar más detalles sobre nuestras iniciativas y entregables propuestos en la [propuesta completa de subvención](https://figshare.com/articles/Proposal_NumPy_OpenBLAS_for_Chan_Zuckerberg_Initiative_EOSS_2019_round_1/10302167). Está previsto que el trabajo comience el 1 de diciembre de 2019 y continúe durante los siguientes 12 meses. + + + + +## Lanzamientos + +Esta es una lista de lanzamientos NumPy, con enlaces a notas de lanzamiento. Los lanzamientos de corrección de errores (solo cambia la `z` en el número de versión `x.y.z`) no tienen nuevas características; las versiones menores (aumenta la `y`) sí las tienen. + +- NumPy 2.1.1 ([notas de lanzamiento](https://github.com/numpy/numpy/releases/tag/v2.1.1)) -- _3 de septiembre 2024_. +- NumPy 2.0.2 ([notas de lanzamiento](https://github.com/numpy/numpy/releases/tag/v2.0.2)) -- _26 de agosto 2024_. +- NumPy 2.1.0 ([notas del lanzamiento](https://github.com/numpy/numpy/releases/tag/v2.1.0)) -- _18 de agosto de 2024_. +- NumPy 2.0.1 ([notas del lanzamiento](https://github.com/numpy/numpy/releases/tag/v2.0.1)) -- _21 de julio de 2024_. +- NumPy 2.0.0 ([notas del lanzamiento](https://github.com/numpy/numpy/releases/tag/v2.0.0)) -- _16 de junio de 2024_. +- NumPy 1.26.4 ([notas del lanzamiento](https://github.com/numpy/numpy/releases/tag/v1.26.4)) -- _5 de febrero de 2024_. +- NumPy 1.26.3 ([notas del lanzamiento](https://github.com/numpy/numpy/releases/tag/v1.26.3)) -- _2 de enero de 2024_. +- NumPy 1.26.2 ([notas del lanzamiento](https://github.com/numpy/numpy/releases/tag/v1.26.0)) -- _12 de noviembre de 2023_. +- NumPy 1.26.1 ([notas de publicación](https://github.com/numpy/numpy/releases/tag/v1.26.1)) -- _14 de octubre de 2023_. +- NumPy 1.26.0 ([notas de publicación](https://github.com/numpy/numpy/releases/tag/v1.26.0)) -- _16 de septiembre de 2023_. +- NumPy 1.25.2 ([notas del lanzamiento](https://github.com/numpy/numpy/releases/tag/v1.25.2)) -- _31 de julio de 2023_. +- NumPy 1.25.1 ([notas del lanzamiento](https://github.com/numpy/numpy/releases/tag/v1.25.1)) -- _8 de julio de 2023_. +- NumPy 1.24.4 ([notas del lanzamiento](https://github.com/numpy/numpy/releases/tag/v1.24.4)) -- _26 de junio de 2023_. +- NumPy 1.25.0 ([notas del lanzamiento](https://github.com/numpy/numpy/releases/tag/v1.25.0)) -- _17 de junio de 2023_. +- NumPy 1.24.3 ([notas del lanzamiento](https://github.com/numpy/numpy/releases/tag/v1.24.3)) -- _22 de abril de 2023_. +- NumPy 1.24.2 ([notas del lanzamiento](https://github.com/numpy/numpy/releases/tag/v1.24.2)) -- _5 de febrero de 2023_. +- NumPy 1.24.1 ([notas del lanzamiento](https://github.com/numpy/numpy/releases/tag/v1.24.1)) -- _26 de diciembre de 2022_. +- NumPy 1.24.0 ([notas del lanzamiento](https://github.com/numpy/numpy/releases/tag/v1.24.0)) -- _18 de diciembre de 2022_. +- NumPy 1.23.5 ([notas del lanzamiento](https://github.com/numpy/numpy/releases/tag/v1.26.0)) -- _19 de noviembre de 2022_. +- NumPy 1.23.4 ([notas del lanzamiento](https://github.com/numpy/numpy/releases/tag/v1.23.4)) -- _12 de octubre de 2022_. +- NumPy 1.23.3 ([notas del lanzamiento](https://github.com/numpy/numpy/releases/tag/v1.23.3)) -- _9 de septiembre de 2022_. +- NumPy 1.23.2 ([notas del lanzamiento](https://github.com/numpy/numpy/releases/tag/v1.23.2)) -- _14 de agosto de 2022_. +- NumPy 1.23.1 ([notas del lanzamiento](https://github.com/numpy/numpy/releases/tag/v1.23.1)) -- _8 de julio de 2022_. +- NumPy 1.23.0 ([notas del lanzamiento](https://github.com/numpy/numpy/releases/tag/v1.23.0)) -- _22 de junio de 2022_. +- NumPy 1.22.4 ([notas del lanzamiento](https://github.com/numpy/numpy/releases/tag/v1.22.4)) -- _20 de mayo de 2022_. +- NumPy 1.21.6 ([notas del lanzamiento](https://github.com/numpy/numpy/releases/tag/v1.21.6)) -- _12 de abril de 2022_. +- NumPy 1.22.3 ([notas del lanzamiento](https://github.com/numpy/numpy/releases/tag/v1.22.3)) -- _7 de marzo de 2022_. +- NumPy 1.22.2 ([notas del lanzamiento](https://github.com/numpy/numpy/releases/tag/v1.22.2)) -- _3 de febrero de 2022_. +- NumPy 1.22.1 ([notas del lanzamiento](https://github.com/numpy/numpy/releases/tag/v1.22.1)) -- _14 de enero de 2022_. +- NumPy 1.22.0 ([notas del lanzamiento](https://github.com/numpy/numpy/releases/tag/v1.22.0)) -- _31 de diciembre de 2021_. +- NumPy 1.21.5 ([notas del lanzamiento](https://github.com/numpy/numpy/releases/tag/v1.21.5)) -- _19 de diciembre de 2021_. +- NumPy 1.21.0 ([notas del lanzamiento](https://github.com/numpy/numpy/releases/tag/v1.21.0)) -- _22 de junio de 2021_. +- NumPy 1.20.3 ([notas del lanzamiento](https://github.com/numpy/numpy/releases/tag/v1.20.3)) -- _10 de mayo de 2021_. +- NumPy 1.20.0 ([notas del lanzamiento](https://github.com/numpy/numpy/releases/tag/v1.20.0)) -- _30 de enero de 2021_. +- NumPy 1.19.5 ([notas del lanzamiento](https://github.com/numpy/numpy/releases/tag/v1.19.5)) -- _5 de enero de 2021_. +- NumPy 1.19.0 ([notas del lanzamiento](https://github.com/numpy/numpy/releases/tag/v1.19.0)) -- _20 de junio de 2020_. +- NumPy 1.18.4 ([notas del lanzamiento](https://github.com/numpy/numpy/releases/tag/v1.18.4)) -- _3 de mayo de 2020_. +- NumPy 1.17.5 ([notas del lanzamiento](https://github.com/numpy/numpy/releases/tag/v1.17.5)) -- _1 de enero de 2020_. +- NumPy 1.18.0 ([notas del lanzamiento](https://github.com/numpy/numpy/releases/tag/v1.18.0)) -- _22 de diciembre de 2019_. +- NumPy 1.17.0 ([notas del lanzamiento](https://github.com/numpy/numpy/releases/tag/v1.17.0)) -- _26 de julio de 2019_. +- NumPy 1.16.0 ([notas de lanzamiento](https://github.com/numpy/numpy/releases/tag/v1.16.0)) -- _14 Jan 2019_. +- NumPy 1.15.0 ([notas del lanzamiento](https://github.com/numpy/numpy/releases/tag/v1.15.0)) -- _23 de julio de 2018_. +- NumPy 1.14.0 ([notas del lanzamiento](https://github.com/numpy/numpy/releases/tag/v1.14.0)) -- _7 de enero de 2018_. diff --git a/content/es/press-kit.md b/content/es/press-kit.md new file mode 100644 index 0000000000..9b66e3e683 --- /dev/null +++ b/content/es/press-kit.md @@ -0,0 +1,8 @@ +--- +title: Kit de prensa +sidebar: false +--- + +Nos gustaría facilitarte el trabajo para incluir la identidad del proyecto NumPy en tu próximo documento académico, material de curso o presentación. + +[Aquí](https://github.com/numpy/numpy/tree/main/branding/logo) encontrarás varias versiones en alta resolución del logo de NumPy. Ten en cuenta que al utilizar los recursos de numpy.org, aceptas el [Código de Conducta de NumPy](/code-of-conduct). diff --git a/content/es/privacy.md b/content/es/privacy.md new file mode 100644 index 0000000000..ab27618f84 --- /dev/null +++ b/content/es/privacy.md @@ -0,0 +1,8 @@ +--- +title: Política de Privacidad +sidebar: false +--- + +**numpy.org** está operado por [NumFOCUS, Inc.](https://numfocus.org), el patrocinador fiscal del proyecto NumPy. Para ver la Política de Privacidad de este sitio web, por favor dirígete a https://numfocus.org/privacy-policy. + +Si tienes alguna pregunta sobre la política o la recolección, uso y prácticas de divulgación de datos de NumFOCUS, por favor ponte en contacto con el personal de NumFOCUS en privacy@numfocus.org. diff --git a/content/es/report-handling-manual.md b/content/es/report-handling-manual.md new file mode 100644 index 0000000000..aab614b2e3 --- /dev/null +++ b/content/es/report-handling-manual.md @@ -0,0 +1,95 @@ +--- +title: Código de Conducta de NumPy - Cómo hacer el seguimiento de un informe +sidebar: false +--- + +Este es el manual que sigue el Comité de Código de Conducta de NumPy. Se utiliza cuando respondemos a un problema, para asegurarnos de que seamos consistentes y justos. + +Hacer cumplir el [Código de Conducta](/code-of-conduct) impacta a nuestra comunidad hoy y en el futuro. Es una acción que no tomamos a la ligera. Al revisar las medidas de cumplimiento, el Comité de Código de Conducta tendrá en cuenta los siguientes valores y directrices: + +* Actuar de manera personal en lugar de impersonal. El Comité puede involucrar a las partes para que comprendan la situación, respetando al mismo tiempo la privacidad y, en su caso, la confidencialidad de los informadores. Sin embargo, a veces es necesario comunicarse directamente con uno o más individuos: el objetivo del Comité es mejorar la salud de nuestra comunidad en lugar de solo producir una decisión formal. +* Enfatizar la empatía hacia los individuos en lugar de juzgar el comportamiento, evitando etiquetas binarias de “bueno” y “malo/malvado”. Existen agresiones y acosos manifiestos y claros, y los abordaremos con firmeza. Pero en muchas circunstancias puede ser complejo resolver estas situaciones, sobre todo aquellas en las que desacuerdos normales se convierten en comportamientos inútiles o perjudiciales para las partes. Comprender el contexto completo y encontrar un camino que vuelva involucrar a todos es difícil, pero es en última instancia lo más productivo para nuestra comunidad. +* Comprendemos que el correo electrónico es un medio difícil y puede aislarnos. Recibir críticas por medio de correo electrónico, sin ningún contacto personal, puede ser particularmente doloroso. Esto hace que sea especialmente importante mantener una ambiente de apertura y respeto hacia las opiniones de los demás. También significa que debemos ser transparentes en nuestro actuar, y que haremos todo lo que esté a nuestro alcance para asegurarnos de que todos nuestros miembros reciban un trato justo y comprensivo. +* La discriminación puede ser sutil e inconsciente. Ésta puede manifestarse como injusticia y hostilidad en interacciones que, por todo lo demás, serían normales. Sabemos que esto ocurre, y nos ocuparemos de estar pendientes de esto. Nos gustaría mucho saber de usted si cree que ha sido tratado injustamente, y utilizaremos estos procedimientos para asegurarnos de que su queja sea escuchada y atendida. +* Ayude a aumentar el compromiso con buenas prácticas de debate: trate de identificar los puntos en los que el debate puede haberse interrumpido y proporcione información práctica, sugerencias y recursos que puedan conducir a un cambio positivo en estos aspectos. +* Sea consciente de las necesidades de los nuevos miembros: proporcióneles apoyo y consideración explícitos, con el objetivo de aumentar la participación, particularmente de grupos subrepresentados. +* Las personas provienen de entornos culturales y lingüísticos diferentes. Intente identificar cualquier malentendido honesto causado por un hablante no nativo y ayúdele a entender el problema y lo que puede cambiar para evitar causar una ofensa. La discusión compleja en una lengua extranjera puede ser muy intimidante, y queremos aumentar nuestra diversidad también a través de nacionalidades y culturas. + + +## Mediación + +La mediación informal voluntaria es una herramienta a nuestra disposición. En contextos tales como cuando dos o más partes han escalado hasta el punto de un comportamiento inapropiado (algo tristemente común en el conflicto humano), puede ser útil facilitar un proceso de mediación. Éste es sólo un ejemplo: el Comité puede considerar la mediación en cualquier caso, siendo consciente de que este proceso se entiende como estrictamente voluntario y que ninguna de las partes puede ser presionada a participar. Si el Comité sugiere la mediación, este debería: + +* Encontrar un candidato que pueda servir de mediador. +* Obtener el acuerdo del informante(s). El informante(s) tienen total libertad para rechazar la propuesta de mediación o para proponer un mediador alternativo. +* Obtener el acuerdo de la persona informante(s). +* Acuerden el mediador: aunque las partes pueden proponer un mediador diferente al candidato sugerido, solo si se llega a un acuerdo común en todos los términos se puede avanzar en el proceso. +* Establezca un marco de tiempo para completar la mediación, idealmente dentro de dos semanas. + +El mediador dialogará con todas las partes y buscará una decisión que sea satisfactoria para todos. Una vez concluido el proceso, el mediador proporcionará un informe (revisado por todas las partes del proceso) al Comité, con recomendaciones sobre pasos a seguir. El comité a su vez evaluará estos resultados (bien se haya logrado una decisión satisfactoria o no) y decidirá sobre cualquier acción que considere necesaria. + + +## Cómo responderá el Comité a los informes + +Cuando el Comité (o uno de sus miembros) recibe un informe, primero determinará si éste se refiere a una violación clara y grave (como se define a continuación). En caso afirmativo, será necesario tomar medidas inmediatas adicionales al proceso de gestión de informe habitual. + + +## Acciones violatorias claras y severas + +Sabemos que es dolorosamente común que la comunicación en Internet comience o se convierta en un abuso evidente y manifiesto. Nos ocuparemos rápidamente de violaciones claras y graves, tales como amenazas personales, lenguaje violento, sexista o racista. + +Cuando un miembro del Comité de Código de Conducta tenga conocimiento de una violación clara y grave, hará lo siguiente: + +* Desconectará inmediatamente al originador de todos los canales de comunicación de NumPy. +* Responderá al informante que su informe ha sido recibido y que el autor ha sido desconectado. +* En todo caso, el moderador deberá hacer un esfuerzo razonable por contactar al originador, y comunicarle específicamente cómo su lenguaje o sus acciones se constituyeron como "violación clara y grave". El moderador también debe decir que, si el originador cree que esto es injusto o desea reconectarse con NumPy, tiene el derecho a solicitar una revisión, como se indica a continuación, por el Comité de Código de Conducta. El moderador debería copiar esta explicación al Comité de Código de conducta. +* El Comité de Código de conducta revisará y aprobará formalmente todos los casos en los que se haya aplicado este mecanismo, para asegurarse de que no se esté utilizando para controlar desacuerdos ordinarios acalorados. + + +## Gestión de informes + +Cuando se envíe un informe al Comité, éste responderá inmediatamente al informante confirmando su recepción. Esta respuesta deberá enviarse dentro de un plazo de 72 horas, y el grupo deberá esforzarse por responder en un tiempo inferior. + +Si un informe no contiene suficiente información, el Comité obtendrá todos los datos relevantes antes de actuar. El Comité tiene la facultad de actuar en nombre del Consejo Directivo al contactar cualquier individuo implicado para obtener una descripción más completa de los hechos. + +El Comité procederá a revisar el incidente y determinará, en la medida de su capacidad: + +* Qué sucedió. +* Si este evento constituye una violación del Código de Conducta. +* Quiénes son las parte(s) responsables. +* Si se trata de una situación en progreso y existe una amenaza para la seguridad física de cualquiera. + +Esta información se recopilará por escrito, y siempre que sea posible se registrarán y conservarán las deliberaciones del grupo (por ejemplo, transcripciones de chat, discusiones por correo electrónico, conferencias telefónicas grabadas, resúmenes de conversaciones de voz, etc.). + +Es importante conservar un archivo de todas las actividades de este Comité para asegurar consistencia en el comportamiento y proporcionar memoria institucional para el proyecto. Para ayudar en esto, el canal de discusión por defecto para este Comité será una lista de correo privada accesible a los miembros actuales y futuros del Comité, así como a los miembros del Consejo Directivo con previa solicitud justificada. Si el Comité considera necesario utilizar comunicaciones fuera de la lista (por ejemplo, para una respuesta temprana/rápida), deberá, en todos los casos, resumirlos y documentarlos de vuelta a la lista, de manera que se mantenga un buen registro del proceso. + +El Comité de Código de Conducta debería aspirar a que se acuerde una resolución en el plazo de dos semanas. Dado el caso de que no se pueda establecer una decisión dentro de dicho plazo, el Comité responderá al informante(s) con una actualización y duración estimada para la decisión. + + +## Resoluciones + +El comité debe llegar a un acuerdo sobre una resolución por consenso. Si el grupo no puede alcanzar un consenso y permanece en un punto muerto durante más de una semana, le trasladará el asunto al Consejo Directivo para que lo resuelva. + +Las posibles respuestas pueden incluir: + +* No tomar más medidas: + - si determinamos que no se han producido violaciones; + - si el asunto se ha resuelto públicamente mientras que el Comité estaba estudiando las respuestas. +* Coordinación de mediación voluntaria: si todas las partes implicadas están de acuerdo, el Comité podrá facilitar un proceso de mediación como se detalla arriba. +* Recordar públicamente y señalar que algunos comportamientos/acciones/usos de lenguaje, han sido juzgados como inapropiados y por qué, bajo el contexto actual, pueden ser hirientes para algunas personas, solicitando a la comunidad que se autorregule. +* Una amonestación privada por parte del Comité al individuo(s) involucrado(s). En este caso, el presidente del grupo entregará esa amonestación al (los) individuo(s) por correo electrónico, con copia al grupo. +* Una amonestación pública. En este caso, el presidente del Comité entregará la amonestación por el mismo medio por el que se produjo la violación, dentro de los límites de lo posible. Por ejemplo, la lista de correo original para una violación de correo electrónico, pero para una discusión en una sala de chat, en la que la persona o el contexto pueden haber desaparecido, puede buscarse el contacto por otros medios. El grupo puede elegir publicar este mensaje en otro lugar con fines de documentación. +* Una solicitud de disculpa pública o privada, asumiendo que el informante esté de acuerdo con esta idea: puede negarse, a su discreción, a continuar contacto con el infractor. El presidente entregará esta solicitud. El Comité puede, si así lo desea, adjuntar “condiciones” a esta petición: por ejemplo, el grupo puede solicitar a un infractor pedir disculpas para preservar su membresía en una lista de correo. +* Un “acuerdo mutuo de suspensión” en el que el Comité solicita al individuo la abstención temporal de participación en la comunidad. Si el individuo decide no aceptar una suspensión temporal voluntariamente, el Comité puede emitir un “período obligatorio de reflexión”. +* Una prohibición permanente o temporal de algunos o de todos los espacios de NumPy (listas de correo, gitter.im, etc.). El grupo mantendrá los registros de todas esas prohibiciones, para que puedan ser revisadas en el futuro o ser mantenidas en caso contrario. + +Una vez que se acuerda una resolución, pero antes de que se promulgue, el Comité se pondrá en contacto con el informante original y con cualquier otra parte afectada y explicará la resolución propuesta. El Comité preguntará si esta resolución es aceptable y deberá tomar nota de los comentarios para su registro. + +Finalmente, el Comité presentará un informe al Consejo Directivo de NumPy (así como al equipo central de NumPy en caso de una decisión en curso, tal como una prohibición). + +El Comité nunca debatirá públicamente el asunto; todas las declaraciones públicas serán realizadas por el presidente del Comité de Código de Conducta o el Consejo Directivo de NumPy. + + +## Conflictos de intereses + +En caso de cualquier conflicto de intereses, el miembro del Comité deberá notificarlo inmediatamente a los demás miembros y excusarse en caso de ser necesario. diff --git a/content/es/tabcontents.yaml b/content/es/tabcontents.yaml new file mode 100644 index 0000000000..fa5776380a --- /dev/null +++ b/content/es/tabcontents.yaml @@ -0,0 +1,373 @@ +params: + machinelearning: + paras: + - + para1: NumPy constituye la base de potentes librerías de aprendizaje automático como [scikit-learn](https://scikit-learn.org) y [SciPy](https://www.scipy.org). A medida que crece el aprendizaje automático, también lo hace la lista de librerías basadas en NumPy. Las capacidades de aprendizaje profundo de [TensorFlow](https://www.tensorflow.org) tienen amplias aplicaciones— entre ellas el reconocimiento de voz e imágenes, las aplicaciones basadas en texto, el análisis de series de tiempo y la detección de vídeo. [PyTorch](https://pytorch.org), otra librería de aprendizaje profundo, es popular entre los investigadores de visión artificial y procesamiento del lenguaje natural. + para2: Las técnicas estadísticas denominadas métodos [ensemble](https://towardsdatascience.com/ensemble-methods-bagging-boosting-and-stacking-c9214a10a205), como binning, bagging, stacking y boosting, se encuentran entre los algoritmos de ML implementados por herramientas como [XGBoost](https://xgboost.readthedocs.io/), [LightGBM](https://lightgbm.readthedocs.io/en/latest/) y [CatBoost](https://catboost.ai) — uno de los motores de inferencia más rápidos. [Yellowbrick](https://www.scikit-yb.org/en/latest/) y [Eli5](https://eli5.readthedocs.io/en/latest/) ofrecen visualizaciones de aprendizaje automático. + arraylibraries: + intro: + - + text: La API de NumPy es el punto de partida cuando se escriben librerías para explotar hardware innovador, crear tipos de arreglos especializadas o añadir capacidades más allá de lo que NumPy proporciona. + headers: + - + text: Librería de arreglos + - + text: Capacidades y áreas de aplicación + libraries: + - + title: Dask + text: Arreglos distribuidos y paralelismo avanzado para análisis, que permiten un rendimiento a escala. + img: /images/content_images/arlib/dask.png + alttext: Dask + url: https://dask.org/ + - + title: CuPy + text: Librería de arreglos compatible con NumPy para cálculo acelerado en la GPU con Python. + img: /images/content_images/arlib/cupy.png + alttext: CuPy + url: https://cupy.dev + - + title: JAX + text: "Transformaciones componibles de programas NumPy: diferenciar, vectorizar, compilación justo-a-tiempo a GPU/TPU." + img: /images/content_images/arlib/jax_logo_250px.png + alttext: JAX + url: https://jax.readthedocs.io/ + - + title: Xarray + text: Arreglos multidimensionales indexados y etiquetados para análisis y visualización avanzados. + img: /images/content_images/arlib/xarray.png + alttext: xarray + url: https://xarray.pydata.org/en/stable/index.html + - + title: Sparse + text: Librería de arreglos dispersos compatible con NumPy que se integra con el álgebra lineal dispersa de Dask y SciPy. + img: /images/content_images/arlib/sparse.png + alttext: sparse + url: https://sparse.pydata.org/en/latest/ + - + title: PyTorch + text: Marco de aprendizaje profundo que acelera el camino desde la creación de prototipos de investigación hasta la implantación en producción. + img: /images/content_images/arlib/pytorch-logo-dark.svg + alttext: PyTorch + url: https://pytorch.org/ + - + title: TensorFlow + text: Una plataforma integral de aprendizaje automático para crear y desplegar fácilmente aplicaciones basadas en ML. + img: /images/content_images/arlib/tensorflow-logo.svg + alttext: TensorFlow + url: https://www.tensorflow.org + - + title: Arrow + text: Plataforma de desarrollo multilingüe para datos y análisis columnares en memoria. + img: /images/content_images/arlib/arrow.png + alttext: arrow + url: https://arrow.apache.org/ + - + title: xtensor + text: Arreglos multidimensionales con difusión y computación perezosa para análisis numérico. + img: /images/content_images/arlib/xtensor.png + alttext: xtensor + url: https://github.com/xtensor-stack/xtensor-python + - + title: Awkward Array + text: Manipular datos similares a JSON con expresiones similares a NumPy. + img: /images/content_images/arlib/awkward.svg + alttext: awkward + url: https://awkward-array.org/ + - + title: uarray + text: Sistema de backend de Python que desacopla la API de la implementación; unumpy proporciona una API de NumPy. + img: /images/content_images/arlib/uarray.png + alttext: uarray + url: https://uarray.org/en/latest/ + - + title: tensorly + text: Aprendizaje tensorial, álgebra y backends para usar de manera fluida NumPy, PyTorch, TensorFlow o CuPy. + img: /images/content_images/arlib/tensorly.png + alttext: tensorly + url: http://tensorly.org/stable/home.html + scientificdomains: + intro: + - + text: Casi todos los científicos que trabajan en Python recurren a la potencia de NumPy. + - + text: "NumPy aporta la potencia de cálculo de lenguajes como C y Fortran a Python, un lenguaje mucho más fácil de aprender y utilizar. Con esta potencia viene la sencillez: una solución en NumPy suele ser clara y elegante." + libraries: + - + title: Computación Cuántica + alttext: Un chip para computador. + 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: Computación Estadística + alttext: Un gráfico lineal con la línea moviéndose hacia arriba. + img: /images/content_images/sc_dom_img/statistical_computing.svg + links: + - + url: https://pandas.pydata.org/ + label: Pandas + - + url: https://www.statsmodels.org/ + label: statsmodels + - + url: https://xarray.pydata.org/en/stable/ + label: Xarray + - + url: https://seaborn.pydata.org/ + label: Seaborn + - + title: Procesamiento de Señales + alttext: Un gráfico de barras con valores positivos y negativos. + 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: HiperSpy + - + title: Procesamiento de Imágenes + alttext: Una fotografía de las montañas. + 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: Grafos y Redes + alttext: Un grafo simple. + 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: Astronomía + alttext: Un telescopio. + img: /images/content_images/sc_dom_img/astronomy_processes.svg + links: + - + url: https://www.astropy.org/ + label: AstroPy + - + url: https://sunpy.org/ + label: SunPy + - + url: https://spacepy.github.io/ + label: SpacePy + - + title: Psicología Cognitiva + alttext: Una cabeza humana con engranajes. + img: /images/content_images/sc_dom_img/cognitive_psychology.svg + links: + - + url: https://www.psychopy.org/ + label: PsychoPy + - + title: Bioinformática + alttext: Una hebra de ADN. + 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: Inferencia Bayesiana + alttext: Un gráfico con una curva en forma de campanas. + 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: Análisis Matemático + alttext: Cuatro símbolos matemáticos. + 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://www.cvxpy.org/ + label: cvxpy + - + url: https://fenicsproject.org/ + label: FEniCS + - + title: Química + alttext: Un tubo de ensayo. + 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: Geociencia + alttext: La Tierra. + 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: Procesamiento Geográfico + alttext: Un mapa. + 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: Arquitectura e Ingeniería + alttext: Una placa de desarrollo de microprocesadores. + img: /images/content_images/sc_dom_img/robotics.svg + links: + - + url: https://compas.dev/ + label: COMPAS + - + url: https://cityenergyanalyst.com/ + label: City Energy Analyst - Analista de Energía de Ciudad + - + url: https://nortikin.github.io/sverchok/ + label: Sverchok + datascience: + intro: "NumPy es el núcleo de un rico ecosistema de librerías de ciencia de datos. Un flujo de trabajo exploratorio típico de ciencia de datos podría verse así:" + image1: + - + img: /images/content_images/ds-landscape.png + alttext: Diagrama de las librerías de Python. Las cinco categorías son "Extraer, Transformar, Cargar", "Exploración de Datos", "Modelado de Datos", "Evaluación de Datos" y "Presentación de Datos". + image2: + - + img: /images/content_images/data-science.png + alttext: Diagrama de tres círculos superpuestos. Los círculos se denominan "Matemáticas", "Ciencias de la Computación" y "Conocimientos Especializados". En el centro del diagrama, con los tres círculos superpuestos, hay un área denominada "Ciencia de datos". + examples: + - + text: "Extraer, Transformar, Cargar: [Pandas](https://pandas.pydata.org), [Intake](https://intake.readthedocs.io), [PyJanitor](https://pyjanitor.readthedocs.io/)" + - + text: "Análisis Exploratorio: [Jupyter](https://jupyter.org), [Seaborn](https://seaborn.pydata.org), [Matplotlib](https://matplotlib.org), [Altair](https://altair-viz.github.io)" + - + text: "Modelado y evaluación: [scikit-learn](https://scikit-learn.org), [statsmodels](https://www.statsmodels.org/stable/index.html), [PyMC3](https://docs.pymc.io), [spaCy](https://spacy.io)" + - + text: "Informes en un panel de control: [Dash](https://plotly.com/dash), [Panel](https://panel.holoviz.org), [Voila](https://github.com/voila-dashboards/voila)" + content: + - + text: Para grandes volúmenes de datos, [Dask](https://dask.org) y [Ray](https://ray.io/) están diseñados para escalarse. Las implementaciones estables se basan en el versionado de datos ([DVC](https://dvc.org)), rastreo de experimentos ([MLFlow](https://mlflow.org)), y automatización del flujo de trabajo ([Airflow](https://airflow.apache.org), [Dagster](https://dagster.io) y [Prefect](https://www.prefect.io)). + visualization: + images: + - + url: https://www.fusioncharts.com/blog/best-python-data-visualization-libraries + img: /images/content_images/v_matplotlib.png + alttext: Un diagrama de flujo hecho en matplotlib + - + url: https://github.com/yhat/ggpy + img: /images/content_images/v_ggpy.png + alttext: Un diagrama de dispersión hecho en ggpy + - + url: https://www.journaldev.com/19692/python-plotly-tutorial + img: /images/content_images/v_plotly.png + alttext: Un diagrama de caja hecho en plotly + - + url: https://altair-viz.github.io/gallery/streamgraph.html + img: /images/content_images/v_altair.png + alttext: Un diagrama de flujo hecho en altair + - + url: https://seaborn.pydata.org + img: /images/content_images/v_seaborn.png + alttext: Un gráfico de pares de dos tipos de gráficos, un gráfico de trazado y un gráfico de frecuencias hecho en seaborn + - + url: https://docs.pyvista.org/examples/index.html + img: /images/content_images/v_pyvista.png + alttext: Un renderizado de volumen 3D realizado en PyVista. + - + url: https://napari.org + img: /images/content_images/v_napari.png + alttext: Una imagen multidimensional hecha en napari. + - + url: https://vispy.org/gallery/index.html + img: /images/content_images/v_vispy.png + alttext: Un diagrama de Voronoi hecho en vispy. + content: + - + text: NumPy es un componente esencial en el floreciente [panorama de visualización de Python](https://pyviz.org/overviews/index.html), que incluye [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), y [PyVista](https://github.com/pyvista/pyvista), por nombrar algunos. + - + text: El procesamiento acelerado de arreglos de gran tamaño de NumPy permite a los investigadores visualizar conjuntos de datos mucho mayores a los que el Python nativo podría manejar. diff --git a/content/es/teams/index.md b/content/es/teams/index.md new file mode 100644 index 0000000000..f52f6bf873 --- /dev/null +++ b/content/es/teams/index.md @@ -0,0 +1,35 @@ +--- +title: Equipos de NumPy +sidebar: false +--- + +Somos un equipo internacional en una misión para apoyar a las comunidades científicas y de investigaciones alrededor del mundo, mediante la construcción de software de código abierto de calidad. +¡[Únete](/contribute)! + +### Mantenedores + +{{< grid file="maintainers.toml" columns="2 3 4 5" />}} + +### Equipo de documentación + +{{< grid file="docs-team.toml" columns="2 3 4 5" />}} + +### Equipo de la página web + +{{< grid file="web-team.toml" columns="2 3 4 5" />}} + +### Equipo de clasificación + +{{< grid file="triage-team.toml" columns="2 3 4 5" />}} + +### Equipo de encuestas + +{{< grid file="survey-team.toml" columns="2 3 4 5" />}} + +### Mantenedores eméritos + +{{< grid file="emeritus-maintainers.toml" columns="2 3 4 5" />}} + +# Gobernanza + +Para la lista de personas del Consejo Directivo, por favor ve [aquí](https://numpy.org/about/). diff --git a/content/es/terms.md b/content/es/terms.md new file mode 100644 index 0000000000..51bed538cd --- /dev/null +++ b/content/es/terms.md @@ -0,0 +1,182 @@ +--- +title: Terms of Use +sidebar: false +--- + +*Last updated January 4, 2020* + + +## AGREEMENT TO TERMS + +These Terms of Use constitute a legally binding agreement made between you, whether personally or on behalf of an entity (“you”) and NumPy ("**Project**", “**we**”, “**us**”, or “**our**”), concerning your access to and use of the numpy.org website as well as any other media form, media channel, mobile website or mobile application related, linked, or otherwise connected thereto (collectively, the “Site”). You agree that by accessing the Site, you have read, understood, and agreed to be bound by all of these Terms of Use. IF YOU DO NOT AGREE WITH ALL OF THESE TERMS OF USE, THEN YOU ARE EXPRESSLY PROHIBITED FROM USING THE SITE AND YOU MUST DISCONTINUE USE IMMEDIATELY. + + + +Supplemental terms and conditions or documents that may be posted on the Site from time to time are hereby expressly incorporated herein by reference. We reserve the right, in our sole discretion, to make changes or modifications to these Terms of Use at any time and for any reason. We will alert you about any changes by updating the “Last updated” date of these Terms of Use, and you waive any right to receive specific notice of each such change. It is your responsibility to periodically review these Terms of Use to stay informed of updates. You will be subject to, and will be deemed to have been made aware of and to have accepted, the changes in any revised Terms of Use by your continued use of the Site after the date such revised Terms of Use are posted. + + + +The information provided on the Site is not intended for distribution to or use by any person or entity in any jurisdiction or country where such distribution or use would be contrary to law or regulation or which would subject us to any registration requirement within such jurisdiction or country. Accordingly, those persons who choose to access the Site from other locations do so on their own initiative and are solely responsible for compliance with local laws, if and to the extent local laws are applicable. + + +## USER REPRESENTATIONS + +By using the Site, you represent and warrant that: (1) you have the legal capacity and you agree to comply with these Terms of Use; (2) you will not use the Site for any illegal or unauthorized purpose; and (3) your use of the Site will not violate any applicable law or regulation. + + +If you provide any information that is untrue, inaccurate, not current, or incomplete, we have the right to refuse any and all current or future use of the Site (or any portion thereof). + + +## PROHIBITED ACTIVITIES + +You may not access or use the Site for any purpose other than that for which we make the Site available. + +As a user of the Site, you agree not to: + +1. Systematically retrieve data or other content from the Site to create or compile, directly or indirectly, a collection, compilation, database, or directory without written permission from us. + +2. Make any unauthorized use of the Site, including collecting usernames and/or email addresses of users by electronic or other means for the purpose of sending unsolicited email, or creating user accounts by automated means or under false pretenses. + +3. Use the Site to advertise or offer to sell goods and services. + +4. Circumvent, disable, or otherwise interfere with security-related features of the Site. + +5. Engage in unauthorized framing of or linking to the Site. + +6. Trick, defraud, or mislead us and other users, especially in any attempt to learn sensitive account information such as user passwords. + +7. Make improper use of our support services or submit false reports of abuse or misconduct. + +8. Engage in any automated use of the system, such as using scripts to send comments or messages, or using any data mining, robots, or similar data gathering and extraction tools. + +9. Interfere with, disrupt, or create an undue burden on the Site or the networks or services connected to the Site. + +10. Attempt to impersonate another user or person or use the username of another user. + +11. Use any information obtained from the Site in order to harass, abuse, or harm another person. + +12. Disparage, tarnish, or otherwise harm, in our opinion, us and/or the Site. + +13. Except as may be the result of standard search engine or Internet browser usage, use, launch, develop, or distribute any automated system, including without limitation, any spider, robot, cheat utility, scraper, or offline reader that accesses the Site, or using or launching any unauthorized script or other software. + +14. Upload or transmit (or attempt to upload or to transmit) any material that acts as a passive or active information collection or transmission mechanism, including without limitation, clear graphics interchange formats (“gifs”), 1×1 pixels, web bugs, cookies, or other similar devices (sometimes referred to as “spyware” or “passive collection mechanisms” or “pcms”). + +15. Upload or transmit (or attempt to upload or to transmit) viruses, Trojan horses, or other material, including excessive use of capital letters and spamming (continuous posting of repetitive text), that interferes with any party’s uninterrupted use and enjoyment of the Site or modifies, impairs, disrupts, alters, or interferes with the use, features, functions, operation, or maintenance of the Site. + +16. Harass, annoy, intimidate, or threaten any of our employees or agents engaged in providing any portion of the Site to you. + +17. Attempt to bypass any measures of the Site designed to prevent or restrict access to the Site, or any portion of the Site. + + +## SUBMISSIONS + +You acknowledge and agree that any questions, comments, suggestions, ideas, feedback, or other information regarding the Site ("Submissions") provided by you to us are non-confidential and shall become our sole property. We shall own exclusive rights, including all intellectual property rights, and shall be entitled to the unrestricted use and dissemination of these Submissions for any lawful purpose, commercial or otherwise, without acknowledgment or compensation to you. You hereby waive all moral rights to any such Submissions, and you hereby warrant that any such Submissions are original with you or that you have the right to submit such Submissions. You agree there shall be no recourse against us for any alleged or actual infringement or misappropriation of any proprietary right in your Submissions. + +## THIRD-PARTY WEBSITES AND CONTENT + +The Site may contain (or you may be sent via the Site) links to other websites ("Third-Party Websites") as well as articles, photographs, text, graphics, pictures, designs, music, sound, video, information, applications, software, and other content or items belonging to or originating from third parties ("Third-Party Content"). Such Third-Party Websites and Third-Party Content are not investigated, monitored, or checked for accuracy, appropriateness, or completeness by us, and we are not responsible for any Third-Party Websites accessed through the Site or any Third-Party Content posted on, available through, or installed from the Site, including the content, accuracy, offensiveness, opinions, reliability, privacy practices, or other policies of or contained in the Third-Party Websites or the Third-Party Content. Inclusion of, linking to, or permitting the use or installation of any Third-Party Websites or any Third-Party Content does not imply approval or endorsement thereof by us. If you decide to leave the Site and access the Third-Party Websites or to use or install any Third-Party Content, you do so at your own risk, and you should be aware these Terms of Use no longer govern. You should review the applicable terms and policies, including privacy and data gathering practices, of any website to which you navigate from the Site or relating to any applications you use or install from the Site. Any purchases you make through Third-Party Websites will be through other websites and from other companies, and we take no responsibility whatsoever in relation to such purchases which are exclusively between you and the applicable third party. You agree and acknowledge that we do not endorse the products or services offered on Third-Party Websites and you shall hold us harmless from any harm caused by your purchase of such products or services. Additionally, you shall hold us harmless from any losses sustained by you or harm caused to you relating to or resulting in any way from any Third-Party Content or any contact with Third-Party Websites. + + +## SITE MANAGEMENT + +We reserve the right, but not the obligation, to: (1) monitor the Site for violations of these Terms of Use; (2) take appropriate legal action against anyone who, in our sole discretion, violates the law or these Terms of Use, including without limitation, reporting such user to law enforcement authorities; (3) in our sole discretion and without limitation, refuse, restrict access to, limit the availability of, or disable (to the extent technologically feasible) any of your Contributions or any portion thereof; (4) in our sole discretion and without limitation, notice, or liability, to remove from the Site or otherwise disable all files and content that are excessive in size or are in any way burdensome to our systems; and (5) otherwise manage the Site in a manner designed to protect our rights and property and to facilitate the proper functioning of the Site. + + +## PRIVACY POLICY + +We care about data privacy and security. Please review our [Privacy Policy](/privacy). By using the Site, you agree to be bound by our Privacy Policy, which is incorporated into these Terms of Use. Please be advised the Site is hosted in the United States. If you access the Site from the European Union, Asia, or any other region of the world with laws or other requirements governing personal data collection, use, or disclosure that differ from applicable laws in the United States, then through your continued use of the Site, you are transferring your data to the United States, and you expressly consent to have your data transferred to and processed in the United States. Further, we do not knowingly accept, request, or solicit information from children or knowingly market to children. Therefore, in accordance with the U.S. Children’s Online Privacy Protection Act, if we receive actual knowledge that anyone under the age of 13 has provided personal information to us without the requisite and verifiable parental consent, we will delete that information from the Site as quickly as is reasonably practical. + +## TERM AND TERMINATION + +These Terms of Use shall remain in full force and effect while you use the Site. WITHOUT LIMITING ANY OTHER PROVISION OF THESE TERMS OF USE, WE RESERVE THE RIGHT TO, IN OUR SOLE DISCRETION AND WITHOUT NOTICE OR LIABILITY, DENY ACCESS TO AND USE OF THE SITE (INCLUDING BLOCKING CERTAIN IP ADDRESSES), TO ANY PERSON FOR ANY REASON OR FOR NO REASON, INCLUDING WITHOUT LIMITATION FOR BREACH OF ANY REPRESENTATION, WARRANTY, OR COVENANT CONTAINED IN THESE TERMS OF USE OR OF ANY APPLICABLE LAW OR REGULATION. WE MAY TERMINATE YOUR USE OR PARTICIPATION IN THE SITE OR DELETE ANY CONTENT OR INFORMATION THAT YOU POSTED AT ANY TIME, WITHOUT WARNING, IN OUR SOLE DISCRETION. + + +## MODIFICATIONS AND INTERRUPTIONS + +We reserve the right to change, modify, or remove the contents of the Site at any time or for any reason at our sole discretion without notice. However, we have no obligation to update any information on our Site. We also reserve the right to modify or discontinue all or part of the Site without notice at any time. We will not be liable to you or any third party for any modification, suspension, or discontinuance of the Site. + +We cannot guarantee the Site will be available at all times. We may experience hardware, software, or other problems or need to perform maintenance related to the Site, resulting in interruptions, delays, or errors. We reserve the right to change, revise, update, suspend, discontinue, or otherwise modify the Site at any time or for any reason without notice to you. You agree that we have no liability whatsoever for any loss, damage, or inconvenience caused by your inability to access or use the Site during any downtime or discontinuance of the Site. Nothing in these Terms of Use will be construed to obligate us to maintain and support the Site or to supply any corrections, updates, or releases in connection therewith. + + +## GOVERNING LAW + +These Terms of Use and your use of the Site are governed by and construed in accordance with the laws of the State of Texas applicable to agreements made and to be entirely performed within the State of Texas, without regard to its conflict of law principles. + + +## DISPUTE RESOLUTION + +### Informal Negotiations + +To expedite resolution and control the cost of any dispute, controversy, or claim related to these Terms of Use (each a "Dispute" and collectively, the “Disputes”) brought by either you or us (individually, a “Party” and collectively, the “Parties”), the Parties agree to first attempt to negotiate any Dispute (except those Disputes expressly provided below) informally for at least thirty (30) days before initiating arbitration. Such informal negotiations commence upon written notice from one Party to the other Party. + + +### Binding Arbitration + +If the Parties are unable to resolve a Dispute through informal negotiations, the Dispute (except those Disputes expressly excluded below) will be finally and exclusively resolved by binding arbitration. YOU UNDERSTAND THAT WITHOUT THIS PROVISION, YOU WOULD HAVE THE RIGHT TO SUE IN COURT AND HAVE A JURY TRIAL. The arbitration shall be commenced and conducted under the Commercial Arbitration Rules of the American Arbitration Association ("AAA") and, where appropriate, the AAA’s Supplementary Procedures for Consumer Related Disputes ("AAA Consumer Rules"), both of which are available at the AAA website www.adr.org. Your arbitration fees and your share of arbitrator compensation shall be governed by the AAA Consumer Rules and, where appropriate, limited by the AAA Consumer Rules. If such costs are determined to by the arbitrator to be excessive, we will pay all arbitration fees and expenses. The arbitration may be conducted in person, through the submission of documents, by phone, or online. The arbitrator will make a decision in writing, but need not provide a statement of reasons unless requested by either Party. The arbitrator must follow applicable law, and any award may be challenged if the arbitrator fails to do so. Except where otherwise required by the applicable AAA rules or applicable law, the arbitration will take place in Travis County, Texas. Except as otherwise provided herein, the Parties may litigate in court to compel arbitration, stay proceedings pending arbitration, or to confirm, modify, vacate, or enter judgment on the award entered by the arbitrator. + +If for any reason, a Dispute proceeds in court rather than arbitration, the Dispute shall be commenced or prosecuted in the state and federal courts located in Travis County, Texas, and the Parties hereby consent to, and waive all defenses of lack of personal jurisdiction, and forum non conveniens with respect to venue and jurisdiction in such state and federal courts. Application of the United Nations Convention on Contracts for the International Sale of Goods and the the Uniform Computer Information Transaction Act (UCITA) are excluded from these Terms of Use. + +In no event shall any Dispute brought by either Party related in any way to the Site be commenced more than one (1) years after the cause of action arose. If this provision is found to be illegal or unenforceable, then neither Party will elect to arbitrate any Dispute falling within that portion of this provision found to be illegal or unenforceable and such Dispute shall be decided by a court of competent jurisdiction within the courts listed for jurisdiction above, and the Parties agree to submit to the personal jurisdiction of that court. + + +### Restrictions + +The Parties agree that any arbitration shall be limited to the Dispute between the Parties individually. To the full extent permitted by law, (a) no arbitration shall be joined with any other proceeding; (b) there is no right or authority for any Dispute to be arbitrated on a class-action basis or to utilize class action procedures; and (c) there is no right or authority for any Dispute to be brought in a purported representative capacity on behalf of the general public or any other persons. + + +### Exceptions to Informal Negotiations and Arbitration + +The Parties agree that the following Disputes are not subject to the above provisions concerning informal negotiations and binding arbitration: (a) any Disputes seeking to enforce or protect, or concerning the validity of, any of the intellectual property rights of a Party; (b) any Dispute related to, or arising from, allegations of theft, piracy, invasion of privacy, or unauthorized use; and (c) any claim for injunctive relief. If this provision is found to be illegal or unenforceable, then neither Party will elect to arbitrate any Dispute falling within that portion of this provision found to be illegal or unenforceable and such Dispute shall be decided by a court of competent jurisdiction within the courts listed for jurisdiction above, and the Parties agree to submit to the personal jurisdiction of that court. + + +## CORRECTIONS + +There may be information on the Site that contains typographical errors, inaccuracies, or omissions. We reserve the right to correct any errors, inaccuracies, or omissions and to change or update the information on the Site at any time, without prior notice. + + +## DISCLAIMER + +THE SITE IS PROVIDED ON AN AS-IS AND AS-AVAILABLE BASIS. YOU AGREE THAT YOUR USE OF THE SITE AND OUR SERVICES WILL BE AT YOUR SOLE RISK. TO THE FULLEST EXTENT PERMITTED BY LAW, WE DISCLAIM ALL WARRANTIES, EXPRESS OR IMPLIED, IN CONNECTION WITH THE SITE AND YOUR USE THEREOF, INCLUDING, WITHOUT LIMITATION, THE IMPLIED WARRANTIES OF MERCHANTABILITY, FITNESS FOR A PARTICULAR PURPOSE, AND NON-INFRINGEMENT. WE MAKE NO WARRANTIES OR REPRESENTATIONS ABOUT THE ACCURACY OR COMPLETENESS OF THE SITE’S CONTENT OR THE CONTENT OF ANY WEBSITES LINKED TO THE SITE AND WE WILL ASSUME NO LIABILITY OR RESPONSIBILITY FOR ANY (1) ERRORS, MISTAKES, OR INACCURACIES OF CONTENT AND MATERIALS, (2) PERSONAL INJURY OR PROPERTY DAMAGE, OF ANY NATURE WHATSOEVER, RESULTING FROM YOUR ACCESS TO AND USE OF THE SITE, (3) ANY UNAUTHORIZED ACCESS TO OR USE OF OUR SECURE SERVERS AND/OR ANY AND ALL PERSONAL INFORMATION AND/OR FINANCIAL INFORMATION STORED THEREIN, (4) ANY INTERRUPTION OR CESSATION OF TRANSMISSION TO OR FROM THE SITE, (5) ANY BUGS, VIRUSES, TROJAN HORSES, OR THE LIKE WHICH MAY BE TRANSMITTED TO OR THROUGH THE SITE BY ANY THIRD PARTY, AND/OR (6) ANY ERRORS OR OMISSIONS IN ANY CONTENT AND MATERIALS OR FOR ANY LOSS OR DAMAGE OF ANY KIND INCURRED AS A RESULT OF THE USE OF ANY CONTENT POSTED, TRANSMITTED, OR OTHERWISE MADE AVAILABLE VIA THE SITE. WE DO NOT WARRANT, ENDORSE, GUARANTEE, OR ASSUME RESPONSIBILITY FOR ANY PRODUCT OR SERVICE ADVERTISED OR OFFERED BY A THIRD PARTY THROUGH THE SITE, ANY HYPERLINKED WEBSITE, OR ANY WEBSITE OR MOBILE APPLICATION FEATURED IN ANY BANNER OR OTHER ADVERTISING, AND WE WILL NOT BE A PARTY TO OR IN ANY WAY BE RESPONSIBLE FOR MONITORING ANY TRANSACTION BETWEEN YOU AND ANY THIRD-PARTY PROVIDERS OF PRODUCTS OR SERVICES. AS WITH THE PURCHASE OF A PRODUCT OR SERVICE THROUGH ANY MEDIUM OR IN ANY ENVIRONMENT, YOU SHOULD USE YOUR BEST JUDGMENT AND EXERCISE CAUTION WHERE APPROPRIATE. + + +## LIMITATIONS OF LIABILITY + +IN NO EVENT WILL WE OR OUR DIRECTORS, EMPLOYEES, OR AGENTS BE LIABLE TO YOU OR ANY THIRD PARTY FOR ANY DIRECT, INDIRECT, CONSEQUENTIAL, EXEMPLARY, INCIDENTAL, SPECIAL, OR PUNITIVE DAMAGES, INCLUDING LOST PROFIT, LOST REVENUE, LOSS OF DATA, OR OTHER DAMAGES ARISING FROM YOUR USE OF THE SITE, EVEN IF WE HAVE BEEN ADVISED OF THE POSSIBILITY OF SUCH DAMAGES. NOTWITHSTANDING ANYTHING TO THE CONTRARY CONTAINED HEREIN, OUR LIABILITY TO YOU FOR ANY CAUSE WHATSOEVER AND REGARDLESS OF THE FORM OF THE ACTION, WILL AT ALL TIMES BE LIMITED TO THE AMOUNT PAID, IF ANY, BY YOU TO US DURING THE SIX (6) MONTH PERIOD PRIOR TO ANY CAUSE OF ACTION ARISING. CERTAIN STATE LAWS DO NOT ALLOW LIMITATIONS ON IMPLIED WARRANTIES OR THE EXCLUSION OR LIMITATION OF CERTAIN DAMAGES. IF THESE LAWS APPLY TO YOU, SOME OR ALL OF THE ABOVE DISCLAIMERS OR LIMITATIONS MAY NOT APPLY TO YOU, AND YOU MAY HAVE ADDITIONAL RIGHTS. + + +## INDEMNIFICATION + +You agree to defend, indemnify, and hold us harmless, including our subsidiaries, affiliates, and all of our respective officers, agents, partners, and employees, from and against any loss, damage, liability, claim, or demand, including reasonable attorneys’ fees and expenses, made by any third party due to or arising out of: (1) use of the Site; (2) breach of these Terms of Use; (3) any breach of your representations and warranties set forth in these Terms of Use; (4) your violation of the rights of a third party, including but not limited to intellectual property rights; or (5) any overt harmful act toward any other user of the Site with whom you connected via the Site. Notwithstanding the foregoing, we reserve the right, at your expense, to assume the exclusive defense and control of any matter for which you are required to indemnify us, and you agree to cooperate, at your expense, with our defense of such claims. We will use reasonable efforts to notify you of any such claim, action, or proceeding which is subject to this indemnification upon becoming aware of it. + + +## USER DATA + +We will maintain certain data that you transmit to the Site for the purpose of managing the performance of the Site, as well as data relating to your use of the Site. Although we perform regular routine backups of data, you are solely responsible for all data that you transmit or that relates to any activity you have undertaken using the Site. You agree that we shall have no liability to you for any loss or corruption of any such data, and you hereby waive any right of action against us arising from any such loss or corruption of such data. + + +## ELECTRONIC COMMUNICATIONS, TRANSACTIONS, AND SIGNATURES + +Visiting the Site, sending us emails, and completing online forms constitute electronic communications. You consent to receive electronic communications, and you agree that all agreements, notices, disclosures, and other communications we provide to you electronically, via email and on the Site, satisfy any legal requirement that such communication be in writing. YOU HEREBY AGREE TO THE USE OF ELECTRONIC SIGNATURES, CONTRACTS, ORDERS, AND OTHER RECORDS, AND TO ELECTRONIC DELIVERY OF NOTICES, POLICIES, AND RECORDS OF TRANSACTIONS INITIATED OR COMPLETED BY US OR VIA THE SITE. You hereby waive any rights or requirements under any statutes, regulations, rules, ordinances, or other laws in any jurisdiction which require an original signature or delivery or retention of non-electronic records, or to payments or the granting of credits by any means other than electronic means. + + +## CALIFORNIA USERS AND RESIDENTS + +If any complaint with us is not satisfactorily resolved, you can contact the Complaint Assistance Unit of the Division of Consumer Services of the California Department of Consumer Affairs in writing at 1625 North Market Blvd., Suite N 112, Sacramento, California 95834 or by telephone at (800) 952-5210 or (916) 445-1254. + + +## MISCELLANEOUS + +These Terms of Use and any policies or operating rules posted by us on the Site or in respect to the Site constitute the entire agreement and understanding between you and us. Our failure to exercise or enforce any right or provision of these Terms of Use shall not operate as a waiver of such right or provision. These Terms of Use operate to the fullest extent permissible by law. We may assign any or all of our rights and obligations to others at any time. We shall not be responsible or liable for any loss, damage, delay, or failure to act caused by any cause beyond our reasonable control. If any provision or part of a provision of these Terms of Use is determined to be unlawful, void, or unenforceable, that provision or part of the provision is deemed severable from these Terms of Use and does not affect the validity and enforceability of any remaining provisions. There is no joint venture, partnership, employment or agency relationship created between you and us as a result of these Terms of Use or use of the Site. You agree that these Terms of Use will not be construed against us by virtue of having drafted them. You hereby waive any and all defenses you may have based on the electronic form of these Terms of Use and the lack of signing by the parties hereto to execute these Terms of Use. + +## CONTACT US + +In order to resolve a complaint regarding the Site or to receive further information regarding use of the Site, please contact us at: + +NumFOCUS, Inc. +
P.O. Box 90596 +
Austin, TX, USA 78709 +
info@numfocus.org +
+1 (512) 222-5449 + + + diff --git a/content/es/user-survey-2020.md b/content/es/user-survey-2020.md new file mode 100644 index 0000000000..bf1f2f203e --- /dev/null +++ b/content/es/user-survey-2020.md @@ -0,0 +1,21 @@ +--- +title: ENCUESTA DE LA COMUNIDAD NUMPY 2020 +sidebar: false +--- + +En 2020, el equipo de encuestas de NumPy, en asociación con estudiantes y profesores de un curso de Maestría en Metodología de Encuestas organizado conjuntamente por la Universidad de Michigan y la Universidad de Maryland, llevaron a cabo la primera encuesta oficial de la comunidad NumPy. Más de 1,200 usuarios de 75 países participaron para ayudarnos a proyectar un panorama de la comunidad NumPy y expresaron sus pensamientos sobre el futuro del proyecto. + +{{< figure >}} +src = '/surveys/NumPy_usersurvey_2020_report_cover.png' +alt = 'Página de portada del informe de la encuesta de usuarios de NumPy de 2020' +title = 'Encuesta de la Comunidad de NumPy 2020 - resultados' +width = '250' +{{< /figure >}} + +**[Descarga el informe](/surveys/NumPy_usersurvey_2020_report.pdf)** para ver a detalle los resultados de la encuesta. + + +Para los puntos destacados, echa un vistazo a **[esta infografía](https://github.com/numpy/numpy-surveys/blob/master/images/2020NumPysurveyresults_community_infographic.pdf)**. + +¿Listo para una inmersión profunda? Visita **https://numpy.org/user-survey-2020-details/**. + diff --git a/content/es/user-surveys.md b/content/es/user-surveys.md new file mode 100644 index 0000000000..ef8467358d --- /dev/null +++ b/content/es/user-surveys.md @@ -0,0 +1,10 @@ +--- +title: ENCUESTAS DE USUARIOS DE NUMPY +sidebar: false +--- + +**2020** El equipo de encuestas de NumPy, en asociación con estudiantes y profesores de la Universidad de Michigan y de la Universidad de Maryland, realizó la primera encuesta oficial de la comunidad de NumPy. Encuentra los resultados de la encuesta [aquí](https://numpy.org/user-survey-2020/). + +**2021** Los datos recolectados están siendo analizados actualmente. + +Si tienes alguna pregunta o sugerencia sobre las encuestas pasadas o futuras, por favor abre una propuesta [aquí](https://github.com/numpy/numpy-surveys/issues).