原文發表於第 11 屆 iT 邦幫忙鐵人賽 (https://ithelp.ithome.com.tw/articles/10217036)
勇者您好，請選擇初始職業與裝備
這篇繼續進行啟程前的準備，雖然我在引言中強調過不見得要寫程式，只要執行現成的程式碼或套件來完成剛好需要的分析，所使用的程式碼與套件還是需要已經安裝好的程式語言環境來執行。而且有時候執行他人的腳本，還是需要稍微看得懂語法，才知道如何適當地修改錯誤之處或是改成適合自己使用的樣子。
在下定決心要稍微學點程式之後，這時候通常會有的問題就是，我該從什麼語言開始學比較好呢? 學長說 python 就業機會多，隔壁實驗室的都用 R 語言，搞創業的潮潮推薦 Ruby，技術控則講著 GO 跟 Rust。我會說每種都很棒，重點在於培養程式邏輯腦以及快速切換思維的能力，網路上自學資源超級多，找堂免費課程跟著學下去絕對沒問題。
針對生物資訊的部分來說入門以 python、R 為佳，因為使用者人數眾多，遇到什麼問題通常輸入關鍵字搜尋就可以找到答案，而且有很多工具或是一條龍式的套件，操作起來會很方便。進階的話有語法簡潔的 Perl、前輩致力推廣的 Julia。以下便會簡單地帶過 python 的安裝資源推薦。
太滑水了吧？安裝有什麼好講的？
沒錯，就是在滑水，因為實際語言教學的話寫不完，我也沒資格寫，這份小指南旨在做個小小敲門磚，減低門檻後，修行之路還是要自己走下去。
Python 的核心十分簡潔，許多數學分析與繪圖功能都是額外的套件所提供，需要使用的時候才匯入或安裝。針對社群開發的科學分析套件可能有幾百種，要使用之前還要先找到正確的套件名稱才可以安裝使用。
Anaconda 就是一款直接幫你把資料科學相關套件通通準備好的選擇，從資料匯入、資料整理、數學分析、機器學習、甚至視覺化繪圖工具都包在裡面。開發環境上則包括了不同語言通用的 jupyter 筆記本、R studio 等等，下方可以看到更實際的使用場景。別再猶豫了，馬上點進 Anaconda 的下載連結，安裝起來吧！
安裝 Anaconda
Anaconda Python/R Distribution - Free Download
選擇相對應的作業系統平台之後，有不同的 python 版本供選擇，左側的 Python 3.7 是比較通用保險的選擇。但是還是要有點心理準備，有些大牌老套件其實只能在 2.7 環境執行，或者是 2019 年發布的生資套件也時常會出現其中藏有一兩行舊語法而無法執行，這種情況可能還是要手動進入套件原始碼中除錯，再回到 Python 3.7 環境執行。
在 Mac 上面以 pkg 檔案安裝
大概會需要 2G 的空間來安裝。
安裝過程順便廣告 PyCharm 的整合式開發環境 (IDE)，可以自己決定要不要嘗試，我們明天也會介紹另外的 IDE 選擇。
安裝完畢的初次開啟。
Home 標籤中有各式常用工具的啟動按鈕，可以想成是不同風格的辦公桌，有的桌子抽屜大一點又適合放在轉角，有的則是桌上有層板，設計目的略有不同，但是通常不影響關鍵的辦公功能。
其中 Jupyter Notebook (上左二) 深受許多資料科學家歡迎，因為可以快速地執行片段區塊內的程式碼，同時還可以如下圖般用 Markdown 的方式來寫數學式或註解思路。Anaconda 的主頁面還有其他還有小而美的 Spyder、可以方便看各種參數的 RStudio 等等不同開發工具，等著你來探索。
(在 JupyterLab 中執行程式，透過 Markdown 撰寫註解紀錄想法)
Anaconda 左側第二個 Environment 標籤中則會顯示當前環境中各種不同的套件的安裝狀況，可以想成是辦公桌上面自己選放的文具、總機電話、或印表機，這些實際提供功能的文具清單，沒有他們的話根本無法辦公。而所謂的環境就是把上述的文具清點打包，讓你即使換辦公桌或辦公室，或者換個人帶了一樣的業務來坐這張辦公桌，一切依然可以順利執行。使用環境的好處多多，可以避免新安裝的套件干擾作業系統運行，也可以確保所撰寫程式碼的可再現性。
第三個標籤中有附上各種學習資源。
第四個標籤則是各大相關社群，教學學不到的問社群，想更上一層樓參加社群活動就對了！
希望這樣的簡介可讓大家理解 Anaconda 的值得之處！嘗試過後，記得回來告訴我你最喜歡 Anaconda 的地方吧！