本书从模型的结构和数据基础两个方面解构大语言模型，以便帮助读者理解和搭建类似chatgpt的系统。在模型的结构方面，大语言模型属于深度神经网络，其设计核心是注意力机制，因此，本书涵盖了多层感知器、卷积神经网络和循环神经网络等经典模型。在模型的数据基础方面，本书既涉及模型训练的工程基础，如反向传播，又涉及数据的使用方式，如迁移学、强化学，以及传统的监督学和无监督学。此外，本书还阐述了如何从计量经济学和经典机器学模型中汲取灵感，以提高模型的稳定和可解释。本书既适用于希望深入了解大语言模型、通过人工智能技术解决实际问题的读者，也适合作为高等院校计算机及相关专业的师生参用书。