嗯……假如按照你的计划，2019 年考试，2020 顺利通过面试考上了某双非的软工硕士，2020 年 9 月上学去给导师打工，2022 年 3 月如果导师允许的话就该找实习了，2022 年 8 月开始找正式工作，你的简历里写教育背景：

2013 - 2017 某 985 计算机科学与技术
2020 - 2023 某双非 软件工程

虽然说英雄不问出身，而且各个学校都各有特色，不一定双非就比 985 差。但你自己可能会难过的……而且面试的时候也会被问到呀。
既然你打算回学校再磨练一下，建议还是至少和本科一个档次，如果你本科学校有软件工程的话，回去上也挺好的呀。如果没有，各个 985 的软件工程专业其实都不太难的，至少比同校计算机专业容易。可以向同学、师兄再请教问问。

除了正则，还有什么更好的选择？

换工种

试试看 ThinkPad 小红点键盘，也很不错呀~就是有点贵，USB 的 200 多，蓝牙的 400 左右吧

1 楼很中肯，补充个建议：
1. 眼睛非常重要，务必买个好的屏幕，v2ex 站内有讨论也有产品推荐，价格贵一些但是保值耐用。
2. 即便是好的屏幕，连续看屏幕时间太长也会影响视力，1 个小时左右一定放松眼睛看看远处不发光的。

西安电信 cn.bing.com 被解析到 127.0.0.1 了

不会过时，写的轻松，能挣到钱。
这三者同时满足就是最好的吧。

响应速度这个可能不太好做。费劲儿实现了也不好写毕业论文。
看你的专业往年毕业论文要求是什么样的。比如，如果是软件工程，创新点可以加可视化分析 /多接口 /多粒度事务 /分布式交易平台架构 /多中心数据 /高可用 之类的方案设计。如果是计算机，创新点可以是身份验证算法 /异常交易数据模式挖掘算法 /交易索引检索更新算法 /并发账户锁定检测算法之类的针对一个点问题的算法。如果是自动化之类的，创新点可以写频繁交易网络模型分析 /交易策略系统优化配置方法 /能效平衡条件分析之类的系统优化问题。
另外，完全靠自己还是比较困难的，如果名义导师不管，最好找个关系好的老师、博士师兄师姐之类的指导一下思路，讨论一下技术路线是否有可能，以及论文的框架。
毕业不易，最后祝你能顺利毕业拿到学位，加油！

很棒的键盘啊，老大看好你哦

1. 对于事件处理的支持，echarts 有相关文档，常见的还是很全面的，不知道是否有帮助：
http://echarts.baidu.com/api.html#events
http://echarts.baidu.com/tutorial.html#ECharts%20%E4%B8%AD%E7%9A%84%E4%BA%8B%E4%BB%B6%E5%92%8C%E8%A1%8C%E4%B8%BA

2. 测距的工具，类似百度地图那种测距的话，需要自己考虑一些细节，用 echart 的 markPoint，markLine 大概能模拟一些效果。不用修改 echarts 源码，但是需要熟悉 api。

3. 键盘事件只要使用标准 js 的事件处理，全局监听 keydown，keyup，keypress，然后判断 keyCode/which，最后自己写回调函数来调用 echarts 的 api 就可以了吧。具体的话，要根据业务需求，仔细设计一下需要哪些变量，函数，按照什么流程来操作。加油~

本科？硕士？本科随意反正到处都是坑得踩，硕士看老板意见划清任务界限不要影响自己毕业。

建议考吧，以后不遗憾。考研也不容易的通过的，今年错过了很可惜。
如果，没有家庭负担，没有经济压力，那么还是辞了职认真找个地方备考吧。
你估计也不想去一个非 985 读研，那么赶紧选个目标，制定计划 ABC，开始准备。

PHP 有 SoapClient，不用自己拼 xml。
先问提供服务的人要服务的 wsdl，初始化 SoapClient 以后，就和调用本地函数基本一样，很容易使用的。

恭喜恭喜！祝福未来的道路上相互支持，共同前行~

@JackieMe 不客气：）感觉你思路挺清楚的。的确如你所说，看别人的代码，运行起来跑通流程会比较快，也能节约自己的时间。那么，结合数据库的现状和目标，首要解决的就是把从数据库到出结果的整个流程顺溜的跑起来。然后，把别人代码里涉及到的主要 SQL 掌握好，能自己写出来各种查询，同时把数据库的关键表、字段都都搞清楚含义，能够实现查询自己需要的数据。最后，再借鉴着学习用 Python 做数据清洗。
在这个整个过程里，特别是用 Python 的时候，建议学习使用 Jupyter Notebook 作为交互分析环境。这个工具对于探索性数据分析很有帮助，用 conda 安装也很容易。从 SQL 取数据，到 Python 清洗，到统计，到结果展示，到生成论文用的 EPS 图片等，都可以在这个工具中实现。

书和网络教程你找的就挺好的呢，没有额外推荐的呢呢，不过有一点经验分享一下。
你说的书和还有视频是 Python 数据分析基础，从数据采集，清洗预处理，统计，挖掘到最终展示的过程大都会涉及到。在日常做 Python 数据分析时，其实用的技术基本就是书里的一部分知识点，再配合一些业务知识，最终做点东西出来。不过，业内各种不同工程向的数据分析和发论文的数据分析在技术要求、方法以及展示方面的侧重点不一样，一定要先明确自己的目标，否则看了书学了视频也可能无从下手。
如果目标是发论文的话，先找好研究问题和创新点，看看待投期刊或会议的文章的数据开发工作量的要求和分析的方法，再规划一下你的文章的数据和方法，之后看看你需要用 Python 的技术解决哪些问题以及最终要什么效果，最后找导师讨论一下你的整个想法。就我同学发医学类文章的经验来说，他们数据处理都是 Excel 做的，统计部分都是用 SPSS 做的，毕竟文章的创新点并不在如何用 Python 处理数据，而是 idea 和实验本身。
希望对你有所帮助，祝顺利发 paper~