今天看到 豆瓣 上很多人觉得 Fluent Python 是一本很好的书，因为深度够

我大致看了下这本书，好家伙 1000 多页呢，而且所谓的深入其实就是每种语法讲到位，但我非常讨厌这种大而全的书
很多人学习 Python, 是 Introducing Python 入门，然后 Fluent Python 深入，但我是 Python Basics 入门，Python Tricks 和 CPython Internals 深入 (即 RealPython 三件套), 不过说是深入其实是对于我来说的，因为这两本书都不超过 400 页

相反，我喜欢那种 learning by doing, 原理有讲到就行，重点是要学习思维过程，以及知道原理后就知道什么场景适合这样用
就好比学习统计学，你就是知道了所有的统计学知识 (国内很多书是这样，纯粹的知识灌输), 但是对原理和适用场景以及比如遇到概率问题要怎么思考不清楚，这样遇到问题还是懵逼，不知道怎么去思考，知道了所有的知识又有什么意义

之所以不那么深入 Python, 是因为我学得是数据科学，数据科学最重要的是统计学思维和预测性分析原理，其他都只是工具，如果我每个都去抠细节 (Python, 统计学，操作系统，网络等等), 那我肯定就掉到细节的陷阱里去了，很难跳出来，就算是统计学，我是不会去拿比如 MIT 那种纯理论的书看的，那些数学证明对我来说没什么价值，我肯定要看那种有带 Python 的，边看边做，Essential Math for Data Science 就是很好的书

再比如机器学习，很多人喜欢看国内的周志华那本机器学习，这本书我看了下 PDF 版本，里面没几句 Python, 全都是理论，我可不想去研究理论，我不是 reasearcher, 我不知道那些人是怎么有精力看完这种书的，眼过千遍不如手过一遍，Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow 很明显是更好的书

而且很多看起来大而全的书并不全，学习 Git, 如果去啃官网的那本 Pro Git, 那我肯定是受不了，我喜欢 Git Apprentice 和 Advanced Git 这两本书，这两本书非常薄，里面从头到尾手把手教你如何使用 Git, GitHub, 关于 internals 也有提，但是讲得不多，不过可以另外再去看 (https://github.blog/2022-08-29-gits-database-internals-i-packed-object-store/) 这个文章，很多人喜欢看 Head First Git, 这本很厚，900 多页，但是里面没有提 internals, 信不信这本看完和看完那两本书的效果是一样的，还有一本是 Version Control with Git, 也很厚，里面很早就提 inernals, 不过奇怪的是关键的 Git 用到的 hash tree 算法没说，而且内容晦涩难懂，写这么多又有什么意义？

不是说细节不重要，但是我认为战略最重要，决定最终成败的是战略而不是细节，过于重细节，就会掉入细节的陷阱，跳都跳不出来，也就是 learn 和 study, 典型的如日本人，日本人最喜欢抠细节，把 study 当作 learn

而且还有一种很好玩的现象，我发现很多程序员居然是去买实体书，但我是一分钱没花，我直接用磁力下载这些书，然后用 Deepl 翻译，而且实体书怎么翻译？难道等国内翻译然后买中文版？