Skip to content

Add translations for Portuguese, Brazilian #858

New issue

Have a question about this project? Sign up for a free GitHub account to open an issue and contact its maintainers and the community.

Sign up for GitHub

By clicking “Sign up for GitHub”, you agree to our terms of service and privacy statement. We’ll occasionally send you account related emails.

Already on GitHub? Sign in to your account

Open
wants to merge 1 commit into
base: main
Choose a base branch
from
Open

Add translations for Portuguese, Brazilian #858

Show file tree
Hide file tree
Changes from all commits
Commits
Show all changes
1 commit
Select commit
File filter

Filter by extension

Filter by extension
Conversations
Failed to load comments.
Loading
Jump to
Jump to file
Failed to load files.
Loading
Diff view
Diff view
2 changes: 1 addition & 1 deletion content/pt/404.md
View file
Open in desktop
Original file line number Diff line number Diff line change
Expand Up @@ -5,4 +5,4 @@ sidebar: false

Oops! Você atingiu um beco sem saída.

Se você acha que algo deveria estar aqui, você pode [abrir uma issue](https://github.com/numpy/numpy.org/issues) no GitHub.
Se você acha que algo deveria estar aqui, você pode [abrir uma issue](https://github.com/numpy/numpy.org/issues) no GitHub.
24 changes: 15 additions & 9 deletions content/pt/_index.md
View file
Open in desktop
Original file line number Diff line number Diff line change
Expand Up @@ -10,40 +10,46 @@ title = 'Arrays n-dimensionais poderosas'
body = '''
Rápidos e versáteis, os conceitos de vetorização, indexação e broadcasting do NumPy são, na prática, o padrão em computação com arrays.
'''
{{< /card >}}

[[item]]
type = 'card'
title = 'Ferramentas de computação numérica'
body = '''
O NumPy oferece um conjunto completo de funções matemáticas, geradores de números aleatórios, rotinas de álgebra linear, transformadas de Fourier, e mais.
'''
{{< /card >}}

[[item]]
type = 'card'
title = 'Interoperabilidade'
title = 'Código aberto'
body = '''
O NumPy suporta um grande número de plataformas de hardware e computação, e pode ser combinado com bibliotecas de computação com arrays esparsas, distribuidas ou em GPUs.
Distribuído sob uma [licença BSD](https://github.com/numpy/numpy/blob/main/LICENSE.txt) liberal, o NumPy é desenvolvido e mantido [publicamente no GitHub](https://github.com/numpy/numpy) por uma [comunidade](/pt/community) vibrante, responsiva, e diversa.
'''
{{< /card >}}

[[item]]
type = 'card'
title = 'Alto desempenho'
title = 'Interoperabilidade'
body = '''
O núcleo do NumPy é feito de código otimizado em C. Experimente a flexibilidade do Python com a velocidade de código compilado.
O NumPy suporta um grande número de plataformas de equipamento físico e computação, e pode ser combinado com bibliotecas de computação com arrays esparsas, distribuídas ou em GPUs.
'''
{{< /card >}}

[[item]]
type = 'card'
title = 'Fácil de usar'
title = 'Alto desempenho'
body = '''
A sintaxe de alto nível do NumPy torna-o acessível e produtivo para programadores de qualquer nível de experiência e formação.
O núcleo do NumPy é feito de código otimizado em C. Aproveite a flexibilidade do Python com a velocidade de código compilado.
'''
{{< /card >}}

[[item]]
type = 'card'
title = 'Código aberto'
title = 'Fácil de usar'
body = '''
Distribuido com uma [licença BSD](https://github.com/numpy/numpy/blob/main/LICENSE.txt) liberal, o NumPy é desenvolvido e mantido [publicamente no GitHub](https://github.com/numpy/numpy) por uma [comunidade](/pt/community) vibrante, responsiva, e diversa.
A sintaxe de alto nível do NumPy torna-o acessível e produtivo para programadores de qualquer nível de experiência e formação.
'''
{{< /card >}}

{{< /grid >}}
{{< /grid>}}
28 changes: 13 additions & 15 deletions content/pt/about.md
View file
Open in desktop
Original file line number Diff line number Diff line change
@@ -1,43 +1,44 @@
---
title: Quem Somos
title: Sobre
sidebar: false
---

NumPy é um projeto de código aberto que visa possibilitar a computação numérica com Python. Foi criado em 2005, com base no trabalho inicial das bibliotecas Numeric e Numarray. O NumPy sempre será 100% software de código aberto, livre para que todos usem. É lançado sob os termos liberais da [licença BSD modificada](https://github.com/numpy/numpy/blob/main/LICENSE.txt).

O NumPy é desenvolvido no GitHub, através do consenso da comunidade NumPy e de uma comunidade mais ampla de Python científico. Para obter mais informações sobre nossa abordagem de governança, por favor, consulte nosso [Documento de Governança](https://www.numpy.org/devdocs/dev/governance/index.html).
NumPy é um projeto de código aberto visando habilitar a computação numérica com Python. Foi criado em 2005, com base no trabalho inicial das bibliotecas Numeric e Numarray. O NumPy sempre será 100% software de código aberto, livre para que todos usem. É lançado sob os termos liberais da [licença BSD modificada](https://github.com/numpy/numpy/blob/main/LICENSE.txt).

O NumPy é desenvolvido abertamente no GitHub, através do consenso da comunidade NumPy e de uma comunidade mais ampla de Python científico. Para obter mais informações sobre nossa abordagem de governança, por favor, consulte nosso [Documento de Governança](https://www.numpy.org/devdocs/dev/governance/index.html).

## Conselho Diretor (Steering Council)

O papel do Conselho Diretor do NumPy consiste em assegurar o bem-estar a longo prazo do projeto, tanto nos aspectos técnicos quanto na comunidade. Isso é feito através do trabalho com e para a comunidade NumPy em geral. O Conselho Diretor do NumPy atualmente consiste dos seguintes membros (em ordem alfabética, pelo sobrenome):
O Conselho Diretor do NumPy é a entidade que governa o projeto. Seu papel é garantir, através do trabalho com e para a comunidade NumPy em geral, a sustentabilidade do projeto a longo prazo, tanto como pacote de software quanto como comunidade. O Conselho Diretor do NumPy atualmente consiste dos seguintes membros (em ordem alfabética, pelo sobrenome):

- Sebastian Berg
- Ralf Gommers
- Charles Harris
- Stephan Hoyer
- Inessa Pawson
- Matti Picus
- Stéfan van der Walt
- Melissa Weber Mendonça
- Marten van Kerkwijk
- Eric Wieser

Membros Eméritos:

- Alex Griffing (2015-2017)
- Allan Haldane (2015-2021)
- Marten van Kerkwijk (2017-2019)
- Travis Oliphant (project founder, 2005-2012)
- Travis Oliphant (fundador do projeto, 2005-2012)
- Nathaniel Smith (2012-2021)
- Julian Taylor (2013-2021)
- Jaime Fernández del Río (2014-2021)
- Pauli Virtanen (2008-2021)
- Eric Wieser (2017-2025)
- Stephan Hoyer (2017-2025)

Para entrar em contato com o conselho diretor do NumPy, por favor envie um email para [email protected].

## Times

A liderança do projeto NumPy trabalha ativamente na diversificação dos caminhos possíveis para contribuições.<br> Atualmente, o NumPy conta com os seguintes times:
A liderança do projeto NumPy trabalha ativamente na diversificação dos caminhos possíveis para contribuições.<br>
Atualmente, o NumPy conta com os seguintes times:

- desenvolvimento
- documentação
Expand All @@ -61,10 +62,8 @@ Veja a página sobre os [Times](/teams) para mais informações.

## Patrocinadores

O NumPy recebe financiamento direto das seguintes fontes:
{{< sponsors >}}


## Parceiros Institucionais

Os Parceiros Institucionais são organizações que apoiam o projeto, empregando pessoas que contribuem para a NumPy como parte de seu trabalho. Os parceiros institucionais atuais incluem:
Expand All @@ -75,16 +74,15 @@ Os Parceiros Institucionais são organizações que apoiam o projeto, empregando

{{< partners >}}


## Doações

Se você achou o NumPy útil no seu trabalho, pesquisa ou empresa, por favor considere fazer uma doação para o projeto que seja compatível com seus recursos. Qualquer quantidade ajuda! Todas as doações serão utilizadas estritamente para financiar o desenvolvimento do software de código aberto da NumPy, documentação e comunidade.
Se você achou o NumPy útil no seu trabalho, pesquisa ou empresa, por favor considere fazer uma doação para o projeto que seja compatível com seus recursos. Qualquer quantidade ajuda! Todas as doações serão utilizadas estritamente para financiar o desenvolvimento do software de código aberto, documentação e comunidade da NumPy.

NumPy é um Projeto Patrocinado da NumFOCUS, uma instituição de caridade sem fins lucrativos nos Estados Unidos. A NumFOCUS fornece ao NumPy apoio fiscal, legal e administrativo para ajudar a garantir a saúde e a sustentabilidade do projeto. Visite [numfocus.org](https://numfocus.org) para obter mais informações.
NumPy é um Projeto Patrocinado da NumFOCUS, uma instituição de caridade sem fins lucrativos 501(c)(3) nos Estados Unidos. A NumFOCUS fornece ao NumPy apoio fiscal, legal e administrativo para ajudar a garantir a saúde e a sustentabilidade do projeto. Visite [numfocus.org](https://numfocus.org) para obter mais informações.

Doações para o NumPy são gerenciadas pela [NumFOCUS](https://numfocus.org). Para doadores nos Estados Unidos, sua doação é dedutível para fins fiscais na medida oferecida pela lei. Como em qualquer doação, você deve consultar seu conselheiro fiscal sobre sua situação fiscal em particular.

O Conselho Diretor da NumPy tomará as decisões sobre a melhor forma de utilizar os fundos recebidos. Prioridades técnicas e de infraestrutura estão documentadas no [NumPy Roadmap](https://www.numpy.org/neps/index.html#roadmap).
O Conselho Diretor da NumPy tomará as decisões sobre a melhor forma de utilizar os fundos recebidos. Prioridades técnicas e de infraestrutura estão documentadas no [roadmap do NumPy](https://www.numpy.org/neps/index.html#roadmap).

{{<opencollective>}}

17 changes: 9 additions & 8 deletions content/pt/arraycomputing.md
View file
Open in desktop
Original file line number Diff line number Diff line change
Expand Up @@ -3,19 +3,20 @@ title: Computação com Arrays
sidebar: false
---

*A computação com arrays é a base para estatística e matemática computacionais, computação científica e suas várias aplicações em ciência e análise de dados, tais como visualização de dados, processamento de sinais digitais, processamento de imagens, bioinformática, aprendizagem de máquina, IA e muitas outras.*
_A computação com matrizes é a base para estatística e matemática computacionais, computação científica e suas várias aplicações em ciência e análise de dados, tais como visualização de dados, processamento de sinais digitais, processamento de imagens, bioinformática, aprendizagem de máquina, IA e muitas outras._

A manipulação e a transformação de dados de grande escala dependem de computação eficiente de alta performance com arrays. A linguagem mais escolhida para análise de dados, aprendizagem de máquina e computação numérica produtiva é **Python.**
A manipulação e a transformação de dados de grande escala dependem de computação eficiente de alto desempenho com arrays. A linguagem mais escolhida para análise de dados, aprendizagem de máquina e computação numérica produtiva é **Python.**

**Num**erical **Py**thon (Python Numérico) ou NumPy é a biblioteca em Python padrão para o suporte à utilização de matrizes e arrays multidimensionais de grande porte, e vem com uma vasta coleção de funções matemáticas de alto nível para operar nestas arrays.

Desde o lançamento do NumPy em 2006, o Pandas apareceu em 2008, e nos últimos anos vimos uma sucessão de bibliotecas de computação com arrays aparecerem, ocupando e preenchendo o campo da computação com arrays. Muitas dessas bibliotecas mais recentes imitam recursos e capacidades parecidas com o NumPy e entregam algoritmos e recursos mais recentes voltados para aplicações de aprendizagem de máquina e inteligência artificial.
Desde o lançamento do NumPy em 2006, o Pandas apareceu em 2008, e nos últimos anos vimos uma sucessão de bibliotecas de computação com arrays aparecerem, ocupando e preenchendo o campo da computação com arrays.
Muitas dessas bibliotecas mais recentes imitam recursos e capacidades parecidas com o NumPy e entregam algoritmos e recursos mais recentes voltados para aplicações de aprendizagem de máquina e inteligência artificial.

<img
src="/images/content_images/array_c_landscape.png"
alt="arraycl"
title="Panorama de Computação com Arrays" />
src="/images/content_images/array_c_landscape.png"
alt="arraycl"
title="Array Computing Landscape">

A **computação com arrays** é baseada em estruturas de dados chamadas **arrays**. *Arrays* são usadas para organizar grandes quantidades de dados de forma que um conjunto de valores relacionados possa ser facilmente ordenado, obtido, matematicamente manipulado e transformado fácil e rapidamente.
A **computação com matrizes** é baseada em estruturas de dados chamadas **arrays**. _Arrays_ usadas para organizar grandes quantidades de dados de forma que um conjunto de valores relacionados possa ser facilmente ordenado, obtido, matematicamente manipulado e transformado fácil e rapidamente.

A computação com arrays é *única* pois envolve operar nos valores de um array de dados *de uma vez*. Isso significa que qualquer operação de array se aplica a todo um conjunto de valores de uma só vez. Esta abordagem vetorizada fornece velocidade e simplicidade por permitir que os programadores organizem o código e operem em agregados de dados, sem ter que usar laços com operações escalares individuais.
A computação com matrizes é _única_ pois envolve operar nos valores de uma matriz de dados _de uma vez_. Isso significa que qualquer operação de array se aplica a todo um conjunto de valores de uma só vez. Esta abordagem vetorizada fornece velocidade e simplicidade por permitir que os programadores organizem o código e operem em agregados de dados, sem ter que usar laços com operações escalares individuais.
Loading