Our community aspires to treat everyone equally and to value all contributions. We have a Code of Conduct to foster an open -and welcoming environment.
For a visual guide on how to contribute to NumPy, check out this comic.
Programmers, this +and welcoming environment.
For a visual guide on how to contribute to NumPy, check out this comic.
Programmers, this
guide
explains how to contribute to the NumPy codebase.
Check out also our YouTube channel for additional advice.
The project has more than 250 open pull requests – meaning many potential improvements and many open-source contributors waiting for feedback. If you’re @@ -47,9 +47,9 @@ opportunities abound.
We are working on translating numpy.org into multiple languages to make its content more accessible to NumPy users all over the globe. (See NEP 28 -for background.) Volunteer translators are at the heart of this effort. If you’d like to help, join the -translation channel on the -Scientific Python Discord server.
To get familiar with our translation process, read the guide +for background.) Volunteer translators are at the heart of this effort. If you’d like to help, +join the translation channel on the +Scientific Python Discord server.
To get familiar with our translation process, read the guide How to translate content using Crowdin.
Through community contact we share our work more widely and learn where we’re falling short. We’re eager to get more people involved in efforts like organizing NumPy code sprints, a newsletter, and perhaps a blog.
For many years, NumPy was maintained by dedicated volunteers, but as its importance grew it diff --git a/diversity_sep2020/index.html b/diversity_sep2020/index.html index 24f6136f..c907de76 100644 --- a/diversity_sep2020/index.html +++ b/diversity_sep2020/index.html @@ -1,5 +1,5 @@
In light of the foregoing discussion on social media after publication of the +Contribute
In light of the foregoing discussion on social media after publication of the NumPy paper in Nature and the concerns raised about the state of diversity and inclusion on the NumPy team, we would like to issue the following statement:
It is our strong belief that we are at our best, as a team and community, when
we are inclusive and equitable. Being an international team from the onset, we
diff --git a/en/sitemap.xml b/en/sitemap.xml
index 0ecbf17c..d1d5f3cc 100644
--- a/en/sitemap.xml
+++ b/en/sitemap.xml
@@ -1 +1 @@
-
Casi todos los científicos que trabajan en Python recurren a la potencia de NumPy.
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.
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.
| Librería de arreglos | Capacidades y áreas de aplicación | |
 | Dask | Arreglos distribuidos y paralelismo avanzado para análisis, que permiten un rendimiento a escala. |
 | CuPy | Librería de arreglos compatible con NumPy para cálculo acelerado en la GPU con Python. |
 | JAX | Transformaciones componibles de programas NumPy: diferenciar, vectorizar, compilación justo-a-tiempo a GPU/TPU. |
 | Xarray | Arreglos multidimensionales indexados y etiquetados para análisis y visualización avanzados. |
 | Sparse | Librería de arreglos dispersos compatible con NumPy que se integra con el álgebra lineal dispersa de Dask y SciPy. |
 | PyTorch | Marco de aprendizaje profundo que acelera el camino desde la creación de prototipos de investigación hasta la implantación en producción. |
 | TensorFlow | Una plataforma integral de aprendizaje automático para crear y desplegar fácilmente aplicaciones basadas en ML. |
 | Arrow | Plataforma de desarrollo multilingüe para datos y análisis columnares en memoria. |
 | xtensor | Arreglos multidimensionales con difusión y computación perezosa para análisis numérico. |
 | Awkward Array | Manipular datos similares a JSON con expresiones similares a NumPy. |
 | uarray | Sistema de backend de Python que desacopla la API de la implementación; unumpy proporciona una API de NumPy. |
 | tensorly | Aprendizaje tensorial, álgebra y backends para usar de manera fluida NumPy, PyTorch, TensorFlow o CuPy. |
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:
NumPy constituye la base de potentes librerías de aprendizaje automático como scikit-learn y SciPy. A medida que crece el aprendizaje automático, también lo hace la lista de librerías basadas en NumPy. Las capacidades de aprendizaje profundo de TensorFlow 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, otra librería de aprendizaje profundo, es popular entre los investigadores de visión artificial y procesamiento del lenguaje natural.
Las técnicas estadísticas denominadas métodos ensemble, como binning, bagging, stacking y boosting, se encuentran entre los algoritmos de ML implementados por herramientas como XGBoost, LightGBM y CatBoost — uno de los motores de inferencia más rápidos. Yellowbrick y Eli5 ofrecen visualizaciones de aprendizaje automático.
NumPy es un componente esencial en el floreciente panorama de visualización de Python, que incluye Matplotlib, Seaborn, Plotly, Altair, Bokeh, Holoviz, Vispy, Napari, y PyVista, por nombrar algunos.
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.
