SMACK因為工作上只是大概作一下技術研究而已，也告一段落了，之後有空會再補上其它幾個重要的技術線，先回到解題線，在開始解題前，最好能了解一下Python。

我目前就計畫看一下中文教學，再看一下Kaggle的英文教學，再看一下有那些常用的Machine Learning常用的Library。

中文(資料整理清單)
第一次用就上手
http://wiki.python.org.tw/Python/%E7%AC%AC%E4%B8%80%E6%AC%A1%E7%94%A8%E5%B0%B1%E4%B8%8A%E6%89%8B
http://djangogirlstaipei.herokuapp.com/tutorials/python/?os=windows

英文
官網 https://www.python.org/
Kaggle的學習資料 https://www.kaggle.com/wiki/Tutorials

機器學習相關
https://www.datacamp.com/community/tutorials/scikit-learn-python
https://wiki.python.org/moin/PythonForArtificialIntelligence
https://buzzorange.com/techorange/2017/07/13/15-python-library/

個人快速學習語言的方法就是，先大概了解一下這個語言的哲學特色，然後是動態還是靜態，是強型別還是弱型別，然後了解一下基本語法，變數宣告和型別、迴圈、判斷式、函式、物件寫法、陣列和容器，常用的SDK Libray，大概就是轉型、字串、數字、日期的處理，再進一步的有Regular Expression、和一些慣例的寫法，或是Funcational的寫法，但基本要用再查也行，但至少要會看，至於Effective Python或是更有效率的寫Python之類的，等這變成吃飯工具再說吧，就算我現在Java是吃飯工具，也沒啥機會發揮到，工作上效率不好有不少程式以外的問題，這就不說了。

有點懶了，上面的資料目前先這樣，之後有看到再補，程式語言的部分，明天再開始寫好了，我主要應該會以良哥哥的例子為主，但，我不會帶太多說明，主要對我而已不少東西只是寫法上的差異，如果有缺的主題，我也會再補上去，之後補自已掃一下英文的部分，我之後應該會花時間看一下python Machine Learning的Library的部分。