Allgemeine Einführung
AI by Hand ist eine pädagogische Website, die sich auf die Erstellung von Modellen der künstlichen Intelligenz (KI) mit Hilfe von Excel konzentriert und von Professor Tom Yeh erstellt und gepflegt wird. Sie hilft Nutzern, KI-Algorithmen wie Neuronale Netze, Transformer usw. manuell in Excel zu implementieren, indem sie eine Reihe kostenloser Tabellenkalkulationsvorlagen und ausführliche Anleitungen bereitstellt. Ziel der Website ist es, den Lernenden die Mathematik und Logik hinter der KI durch praktische Übungen näher zu bringen, so dass sie sich für Schüler, Lehrer und Anfänger mit Interesse an KI eignet. Die Inhalte reichen von grundlegenden mehrschichtigen Perzeptronen (MLPs) bis hin zu komplexen Computer-Vision-Modellen und betonen den Wert des "Hand"-Rechnens. Die Website wird mit Substack-Blogs aktualisiert und bietet interaktive Lernressourcen, die bei Lehrern und Lernenden auf der ganzen Welt beliebt sind.
Funktionsliste
- Excel-Vorlagen zum Download bereitstellenBenutzer können Kalkulationstabellen mit vordefinierten Formeln und Strukturen zur direkten Verwendung in AI-Modellberechnungen herunterladen.
- Unterstützung für das Einlernen mehrerer AI-ModelleEnthält Excel-Implementierungen von Modellen wie MLP, Transformer, RNN und Backpropagation.
- Aktualisierung der Lerninhalte in EchtzeitNeue Tutorials und Übungen werden regelmäßig auf der Substack-Plattform veröffentlicht.
- Maßgeschneiderte ModellparameterDer Benutzer kann die Gewichte, Verzerrungen und andere Parameter in der Tabelle anpassen und die Veränderungen in den Berechnungsergebnissen beobachten.
- Unterstützung von VideopräsentationenEinige der Tutorials werden von Videos begleitet, die zeigen, wie man komplexe Algorithmen in Excel bearbeitet.
- Open Source CommonsEinige der Inhalte sind auf GitHub verfügbar und können von den Nutzern frei verändert und ergänzt werden.
- Interaktive Feedback-MechanismenBenutzer können mit den Autoren durch Kommentare oder E-Mails interagieren, um Verbesserungen vorzuschlagen oder Fehler zu melden.
Hilfe verwenden
1. den Besuch der Website und den Zugang zu den Ressourcen
- umziehen: Öffnen Sie Ihren Browser und geben Sie die URL ein
https://www.byhand.ai/t/spreadsheet
gehen Sie auf die Seite Tabellenkalkulation von AI by Hand. - RiggDie Seite zeigt einen Link zu Google Sheets an (z. B.
https://by-hand.ai/sp/tfmr
), klicken Sie darauf, um eine Excel-Vorlage des Transformer-Modells anzuzeigen. - auf etw. aufmerksam machenEs wird empfohlen, ein Substack-Konto einzurichten, um den Blog von Tom Yeh zu abonnieren und die neuesten Vorlagen und Anleitungen zu erhalten.
2) Excel-Vorlagen herunterladen oder kopieren
- HerunterladenAuf der Google Sheets-Seite klicken Sie auf "Datei" > "Download" > "Microsoft Excel (.xlsx)", um die Datei lokal zu speichern. lokal.
- VervielfältigungsmethodeKlicken Sie auf Datei > Kopie erstellen, speichern Sie die Vorlage in Ihrem Google Drive und bearbeiten Sie sie dann online.
- caveatVergewissern Sie sich, dass Ihre Excel-Version Formelberechnungen (z. B. SUMME, PRODUKT usw.) unterstützt; Excel 2016 oder höher wird empfohlen.
3. detaillierter Betriebsablauf der Hauptfunktionen
Funktion 1: Transformatormodelle mit Excel-Vorlagen lernen
- beabsichtigenÖffnen Sie die heruntergeladene Transformer-Vorlage (z. B.
tfmr.xlsx
), werden mehrere Arbeitsblätter angezeigt, darunter Eingabeschichten, Gewichtungsmatrizen und Ausgabeberechnungsbereiche. - Arbeitsablauf::
- EingangsdatenFüllen Sie das Arbeitsblatt "Input" mit Testdaten, z. B. einem einfachen Vektor von Sätzen (in numerischer Form).
- AnpassungsparameterGehen Sie zum Arbeitsblatt "Gewichte" und ändern Sie die Werte für die Gewichte und den Bias (z. B. ändern Sie ein Gewicht von 0,5 auf 0,8).
- Ansicht BerechnungsprozessWechseln Sie zum Arbeitsblatt "Vorwärts". Die Tabelle berechnet automatisch die Ergebnisse der Vorwärtspropagation und zeigt die Zwischenwerte für jeden Schritt an.
- Ausgabe prüfenDas Endergebnis wird im Arbeitsblatt Ausgabe angezeigt, um zu verstehen, wie der Aufmerksamkeitsmechanismus des Transformators die Ausgabe beeinflusst.
- Ausgewählte FunktionenDie Vorlagen verfügen über eingebaute Formeln (z. B. Matrixmultiplikation MMULT) und visuelle Diagramme, die es dem Benutzer ermöglichen, das Verhalten des Modells durch Anpassung der Parameter intuitiv zu beobachten.
- FinesseWenn das Berechnungsergebnis abnormal ist, überprüfen Sie, ob der Referenzbereich der Formel korrekt ist, oder sehen Sie sich das Tutorial-Video auf der Website an.
Funktion 2: Manuelle Implementierung der Backpropagation
- beabsichtigenDownload der Backpropagation-Vorlage von der Website (Referenz)
https://www.byhand.ai
(der Artikel Backpropagation). - Arbeitsablauf::
- Aufbau der NetzstrukturEingabe der Anfangsparameter eines dreischichtigen Netzes in die Vorlage (z.B. 2 Neuronen in der Eingabeschicht, 3 in der versteckten Schicht und 1 in der Ausgabeschicht).
- Füllen Sie die Trainingsdaten ausDaten": Geben Sie die Probendaten und die gewünschte Ausgabe in das Arbeitsblatt "Daten" ein (z. B. geben Sie [0,1, 0,2] ein und erwarten Sie eine Ausgabe von 0,7).
- Berechnung der VorwärtsausbreitungGehen Sie zum Arbeitsblatt Vorwärtspass und beobachten Sie die Ausgabe für jede Schicht.
- Rückwärtsvermehrung durchführenIm Arbeitsblatt Backward Pass berechnet die Tabelle automatisch den Gradienten auf der Grundlage der Verlustfunktion und aktualisiert die Gewichte.
- Iterative Anpassungen: Führen Sie die Schritte 3 und 4 mehrmals durch und beobachten Sie, wie die Gewichte schrittweise optimiert werden.
- Ausgewählte FunktionenDurch manuelle Eingaben und Berechnungen kann der Benutzer einen Einblick in die Mathematik der Backpropagation gewinnen, und die Vorlagen sind mit den wichtigsten Formeln (z. B. ∂L/∂w) beschriftet.
- Anregung: Für die erste Verwendung wird empfohlen, Schritt für Schritt mit den Artikeln auf der Website zu arbeiten (z.B. Backpropagation-Tutorial am 7. Oktober 2024).
Funktion 3: Experiment mit maßgeschneiderten Modellparametern
- beabsichtigenWählen Sie eine beliebige Vorlage (z. B. MLP oder RNN) und stellen Sie sicher, dass sie lokal kopiert wurde.
- Arbeitsablauf::
- Parameterbereich öffnenSuchen Sie die Zellbereiche mit den Bezeichnungen "Gewichte" und "Verzerrungen".
- geänderter WertÄndern Sie eine Gewichtung vom Standardwert (z. B. 0,3) auf einen anderen Wert (z. B. 1,2) oder passen Sie den Bias an.
- laufende BerechnungDrücken Sie die Eingabetaste oder aktualisieren Sie die Tabelle und beobachten Sie, wie sich die Ausgabe verändert.
- Vergleichende ErgebnisseAufzeichnung der Unterschiede in der Ausgabe bei verschiedenen Parametern, um die Auswirkungen der Parameter auf das Modell zu verstehen.
- Ausgewählte FunktionenDieser "Versuch und Irrtum"-Ansatz ermöglicht es den Nutzern, die Empfindlichkeit des KI-Modells zu visualisieren und eignet sich für den Unterricht oder für Experimente.
- TippWenn das Ergebnis höher ausfällt als erwartet, können Sie die Excel-Funktion "Rückgängig" (Strg+Z) verwenden, um den ursprünglichen Wert wiederherzustellen.
4. mehr Hilfe bekommen
- Video-TutorialBesuchen Sie den YouTube-Kanal von AI by Hand (z. B. DeepSeek Lecture), um Tom Yeh oder einen Assistenten in Aktion zu sehen.
- Interaktion mit der GemeinschaftHinterlassen Sie einen Kommentar unter dem Substack-Artikel mit einer Frage oder teilen Sie uns Ihre Verbesserungsvorschläge mit, und der Autor wird in der Regel antworten.
- Ressourcen für die Förderung: Erkunden Sie andere Seiten der Website (z.B.
https://www.byhand.ai
Homepage) für weitere Modellvorlagen (z. B. AlphaFold, LSTM).
5. vorsichtsmaßnahmen
- Anforderungen an die AusrüstungVergewissern Sie sich, dass Excel oder Google Sheets komplexe Formeln und Diagramme unterstützt, die in niedrigeren Versionen möglicherweise nicht richtig angezeigt werden.
- LernberatungAnfänger können mit einfachen MLP-Vorlagen beginnen und sich nach und nach an komplexe Transformer- oder Computer-Vision-Modelle herantasten.
- Fortschritte speichernSpeichern Sie die Datei in regelmäßigen Abständen, um Datenverluste durch Missbrauch zu vermeiden.
Durch die oben genannten Schritte können die Nutzer schnell mit den Excel-Vorlagen von AI by Hand beginnen und die Grundprinzipien der KI-Modellierung in der Praxis beherrschen. Das Beste an der Website ist, dass keine Programmierkenntnisse erforderlich sind und das KI-Lernen allein mit dem vertrauten Excel durchgeführt werden kann, was die Einstiegshürde erheblich senkt.