学习 Python 课程究竟有什么用？Python 课程学员假牙运用课程所学，在工作中设置自动化检验脚本，为团队排除 bug 规避风险。「最难受的时候再坚持一下，不要轻易放弃。放弃这种事儿，等到多试一次再去考虑。」从磨砺、失败到成长，假牙的学习经历值得一看，其学习感悟更值得你借鉴！
我是假牙
软件测试工程师一枚，主攻大数据方向。Python 课程期间因 Scrapy 爬虫初窥其神奇，这一年来开路填坑，也幸亏手中握有 Python。数据科学基础班三期参与复训，获得全额学费退还。我将继续在开智课程的路上勇猛精进。
磨砺
学会用 Python 编程是一件我从大学时代就在不断规划的事情，且屡试屡败。但最终还是在大妈的带领下，找到并达成了跳出循环的条件，然后执行了数据分析基础班（两次）。现在，准备投身深度学习。
当初报名，只是想要一把利剑，完成一个技能的收藏。在大妈言传身教的启发式教学方法的指导下，种下 Python 这棵技能树，才发觉我得到的是铸剑术，进入了一种「不服写点 Python 」的状态。
今年初，加入新项目组，遇到了一个尴尬的问题。我们产品基于一个内部工具构建，但是这个工具对开发者并不友好，很容易在开发和修改的过程中引入各种 bug，而且几乎只能在运行态才能发现这些问题。测试团队指责开发团队提供的产品质量低下，开发团队转而指责内部开发工具能力太弱，火药味儿很重。换一个开发工具？不行，这不在选项列表中。
这有点像 Python 基础班的时候，要求大家禁止使用 IDE 写代码，只能通过文本编辑器写出一个个的 .py 文件。对个人学习来说，这种放开手让自己犯错的方式确实很有用处，毕竟你不闹几回 True 敲成 Ture 、括号不匹配，是很难静下心来对待的。但对产品开发来说，这种套路就是灾难，因为这会降低开发测试效率，降低最终交付的产品质量，影响项目进展等等。
于是我决定用 Python 写一个静态扫描工具，在不依赖运行环境的情况下，发现尽可能多的问题，让开发修改。原型花了一周左右的时间，然后不断增加功能，优化扫描结果的日志。到前几个月停止维护，这个工具的代码行达到了 3k 左右，能识别出所有的静态问题，也能识别出只有产品运行才能发现的 bug。
之后，写了 Nmon 日志的解析脚本、MapReduce hist日志的解析脚本，基于数据科学基础班学习到的数据分析和可视化的技能，又给这些脚本增加了图形化的能力。月初，用 Flask 写个 Web Server 来当跳板机转发自动化执行机发出的 REST 请求，绕开了大小网环境网络不通的问题。周末加班玩了下 Fabric，又有信心做部门 500 多台服务器的日常维护了。
失败
「铸剑术」提供的优势是：见招拆招，四两拨千斤。在跨界或者领域交叉的情况下，这种优势会展现出降维打击的效果。可是，从 Python 基础班、数据科学基础班的经历来看，「报名参加课程」与「习得技能」并不等价，总有小伙伴没有走到终点线。
拿下 Python 课程，数据科学第一次课程失败，数据科学第二次课程再次成功完成。结业的时候，我总结成功的经验为「坚持」，想要放弃的时候再尝试一下另外一种可能。现在看来，这两个字总结的简单粗暴。
失败可以分为两种，系统性失败和非系统性失败（ http://t.cn/RGk5uRJ ），偶尔遭遇技术难题导致作业不能准时提交，或者学习进展暂时阻塞的，其实只是非系统性失败。这种失败是良性的，可以通过上面说的「再尝试一下另外一种可能」或者求助他人从而得到解决。
但阻碍的自己没能走到终点的，更多的是系统性失败。系统性失败的原因有几种：短期压力与长期目标冲突；周遭环境不利于实现目标和工作时间过长。
数据科学第一次课程的失败其实受多个因素的影响。具体来说，自己原本存在拖延的习惯，没有将每周任务拆解落实到每天，期间突发出差任务导致工作时间过长（每天工作十几个小时）。拖延症碰上没时间，死局。所以在数据科学第二次课程的时候，不管发生什么事情，拼死确保周末两天有足够的时间投入学习，采取各种措施来规避系统性风险。
从理性的角度来考量，这次的深度学习班也有可能失败，逆向思考一下失败的可能原因：
成长
但，再次失败了也没什么。单纯的结果导向，是僵固型心智的表现。
非系统性失败指出了具体的改进方向，是优化、夯实系统内部要素的机会。系统性失败暴露出系统本身固有的缺陷，描述了当前框架下的瓶颈与极限，其意义就像是鱼儿终于发现了水。这两者都指向了「学习」的根本目的：改变。
第一序改变处理非系统性失败，在不改变原有系统的前提下，对系统内部元素、元素间关系进行优化。第二序改变则是改变系统本身，即改变自身时间管理能力、改变自控力、改换一个有助于实现自己目标的环境。
所以，不管是 Python 班还是考驾照，技能学习仅仅是一小部分，更多的是要学习新的思维方式，反思自身时间管理能力、自控力、学习方法、固有的方法论，后者才是更需要 Study and Practice 的对象。扔掉单一标准，使用多维视角来看待分析问题，这样才能前进得更远。■
开智学堂「编程思维 Python 基础班」五期现已开放预约，快快预约课程并查看预习资料吧！
戳原文，赶快报名！
