这首诗的直接原因是在chan上看见了太多了，怎样自学Python，C++之类词汇？是不是甚么所推荐的自学讲义？是不是所推荐的工程项目？
但所查到的文本都是千疮百孔的，因此我就在github上了搜了下，这让我辨认出两个宝物文本，那个工程项目的英文名字是：
Project based Learing – 如前所述工程项目的自学
译者是 Tu V. Tran tuvtran
该工程项目斩获了38.8k的Star，6.2k的Fork。
那个工程项目强悍含意是归纳了如前所述基本上上大部份非主流词汇的工程项目，工程项目依照专业领域领域相同展开进行分类，从新手到高阶者的相同技术难度都有，虽说是两个对各自学期老师都十分亲善的工程项目，即使你每当找出最合适的工程项目展开展枝。
下列是所全力支持的词汇子集，包涵了市售大多数的词汇。（点选镜像能步入原则上的组件）
C#C/C++ClojureElixirErlangF#GoHaskellHTML/CSSJavaJavaScriptKotlinLuaOCamlPHPPythonRRubyRustScalaSwiftAdditional resources总括：在这儿他们拿Python总括
它总共分成8个组件
互联网食腐页面专业领域机器统计数据自然科学机器自学计算机听觉/ Opencv广度自学杂乱工程项目前述工程项目基本上囊括了大部份的python专业领域，假如想学某一方面的技能，基本上都能一站式搞定。
拿OpenCV来总括
这长长的一类工程项目，文本十分全，且十分实用，基本上每一项都包涵了详细的步骤和相应的代码。
归纳：
这是两个十分优秀的如前所述工程项目编程的Github工程项目，它有两个作用，第一是假如你没有甚么好的思路，能参照那个工程项目展开升级或者改造。第二，通过工程项目式的系统自学，能更快也记忆力更深的巩固编程技巧。
最后也所推荐下自己写的Python自学攻略介绍（里面包涵了能点选下载的自学资料）：
统计数据自然科学/机器自学
Dataquest-交互式的教学如前所述Python的统计数据自然科学。分析一系列有趣的统计数据集，从CIA文件到NBA球员统计数据。最终将构建复杂的算法，包括神经互联网和决策树等。Python for Data Analysis— Python统计数据分析的优质工程项目。Scikit自学文档 — Scikit自学是主要的Python机器自学库。它具有一些出色的极其详尽的文档和讲义。CS109- 这是哈佛的课程，讲授使用Python展开统计数据自然科学。他们在线上有一些工程项目和全数资料 。行动专业领域程式
Kivy指南— Kivy是开源Python函式库，用于开发行动专业领域程序和其它采用自然用户界面的多点触控专业领域软件。它能在Android，iOS，Linux，OS X和Windows执行。采用MIT授权条款，Kivy是自由并且开源的软件。网站制作
Flask讲义 — Flask是Python的流行Web框架。这是两个入门讲义。Bottle讲义— Bottle是另两个适用于Python的Web框架，同样是入门讲义怎样使用Django展开网站制作 —使用Django（复杂的Python互联网框架）的指南。游戏类
Codecademy — 指导你完成几个简单的游戏。Pygame讲义-Pygame是两个流行的Python游戏制作库。使用Python发明自己的计算机系统游戏 -本书将引导您逐步了解怎样使用Python制作多个游戏。
硬件/传感器/机器
将Python与Arduino 结合使用 -了解怎样使用Python控制连接到Arduino的传感器。使用Raspberry Pi自学Python – 使用Python和Raspberry Pi构建硬件工程项目。使用Python自学机器人 – 自学怎样使用Python构建机器。Raspberry Pi Cookbook- 自学怎样使用Raspberry Pi和Python构建机器。自动化工作的脚本
使用Python自动执行无聊的工作 -了解怎样使用Python自动执行日常任务。对于大多数人来说，我其实是所推荐把统计数据分析当做两个方向来学的，首先python的优势就在统计数据处理分析与人工智能。
人工智能的从业门槛很高，自学基本上上属于纯玩，性价比不高。
统计数据分析处理，我觉得是未来各行各业都可能碰到的问题，虽然现在有很多自动化统计数据处理工具，但毕竟通用的场景并不多，而那些熟悉某一特定行业领域+统计数据处理能力的复合型人才就相对可能更吃香。
这儿有一门chan知学堂出品的统计数据处理精品课程，对于在本职工作之外想要自学一门实用技能的老师，建议免费体验一下，记住，那那个找工作很难，属于锦上添花的技能。
