在这个暑假，有兴趣的可以阅读一下这些免费的有关机器学习和数据科学的书籍，他们能给你打开一扇看清机器学习和数据科学的窗。如果在阅读完这一文章后想知晓更多免费的好书，请查看本系列的前一篇或下面的相关内容。
1. Python Data Science Handbook
作者：Jake VanderPlas
本书介绍了在Python中处理数据所必需的核心库，特别是IPython，NumPy，Pandas，Matplotlib，Scikit-Lean和相关的软件包。在此之前您需要掌握Python这种语言，如果您想快速掌握这门语言，可以参阅这个针对研究人员和科学家的Python语言快速入门的“Python的旋风之旅（A Whirlwind Tour of Python）”。
2. Neural Networks and Deep Learning
作者：Michael Nielsen
这是一本免费的在线书籍。通过这本书你会知道神经网络是一个美丽的生物启发式编程范例，使计算机可以从观测数据中学习。而深度学习则是一套强大的神经网络学习技术。
目前，神经网络和深度学习为图像识别、语音识别和自然语言处理（NLP）中的问题提供了很多效果不错的解决方案。通过这本书您将会知道更多神经网络和深度学习背后的核心概念。
3. Think Bayes
作者：Allen B.Downey
这本书主要介绍了如何使用计算方法处理贝叶斯统计。
如果您想使用本书中的技能来学习其他技能，您需要知道如何编程。
贝叶斯统计是根据数学概念（如微积分）提出的，有关它的大多数书籍也都使用的是数学符号。本书使用Python代码而不是数学，因此“积分”变成了“总和”。这是书中的一个特色。
4. Machine Learning & Big Data
作者：Karee Alkaseer
这本书背后的目的是为了让软件工程师在不依赖库的情况下可以轻松使用机器学习模型。大多数情况下，模型或技术背后的概念很简单、直观，但在细节或行话中会丢失。另外，一般情况下，现有的库可以解决手头的问题，但是有时候它们会用自己的方式抽象和隐藏基本概念，这就是它们被称为“黑盒子”的原因。这本书也尝试着将“黑盒子”里被抽象和隐藏的基本概念清晰化。它是一个还在进行中的作品，它的内容将慢慢的丰富。