Herramienta didáctica para animar grandes principios de modelos en Excel

Introducción general

AI by Hand es un sitio web educativo centrado en la enseñanza de la construcción de modelos de Inteligencia Artificial (IA) a través de Excel, creado y mantenido por el profesor Tom Yeh. Ayuda a los usuarios a aplicar manualmente en Excel algoritmos de IA como redes neuronales, transformadores, etc., ofreciéndoles una serie de plantillas de hojas de cálculo gratuitas y tutoriales detallados. El objetivo del sitio es que los alumnos comprendan las matemáticas y la lógica que subyacen a la IA a través de la práctica, por lo que es adecuado para estudiantes, profesores y principiantes interesados en la IA. El contenido abarca desde perceptrones multicapa (MLP) básicos hasta complejos modelos de visión por ordenador, haciendo hincapié en el valor de la informática "manual". Actualizado con blogs de Substack, el sitio ofrece recursos de aprendizaje interactivos que gozan de gran popularidad entre educadores y alumnos de todo el mundo.

Lista de funciones

• Proporcionar plantillas de Excel para descargarLos usuarios pueden descargar hojas de cálculo con fórmulas y estructuras predefinidas para utilizarlas directamente en los cálculos de modelos de IA.
• Posibilidad de enseñar varios modelos de IAIncluye implementaciones en Excel de modelos como MLP, Transformer, RNN y Backpropagation.
• Actualización en tiempo real del contenido de los tutoriales: Periódicamente se publican nuevos tutoriales y ejercicios a través de la plataforma Substack.
• Parámetros personalizados del modeloEl usuario puede ajustar las ponderaciones, los sesgos y otros parámetros de la tabla y observar los cambios en los resultados del cálculo.
• Soporte para presentaciones de vídeoTutoriales: Algunos de los tutoriales van acompañados de vídeos que muestran cómo manipular algoritmos complejos en Excel.
• código abierto comúnParte del contenido es de código abierto en GitHub para que los usuarios lo modifiquen y contribuyan libremente.
• Mecanismos interactivos de retroalimentaciónLos usuarios pueden interactuar con los autores a través de comentarios o correos electrónicos para sugerir mejoras o informar de errores.

Utilizar la ayuda

1. Visitar la web y acceder a los recursos

• moverAbre tu navegador e introduce la URLhttps://www.byhand.ai/t/spreadsheetvaya a la página de hojas de cálculo de AI by Hand.
• plataformaLa página mostrará un enlace a Google Sheets (por ejemplohttps://by-hand.ai/sp/tfmr), haga clic en él para ver una plantilla Excel del modelo Transformer.
• llamar la atención sobre algoRecomendamos que se registre en Substack para suscribirse al blog de Tom Yeh y recibir las últimas plantillas y tutoriales.

2. Descargar o copiar plantillas Excel

• DescargarEn la página de Google Sheets, haz clic en "Archivo" > "Descargar" > "Microsoft Excel (.xlsx)" para guardarlo localmente. localmente.
• Método de reproducciónHaz clic en Archivo > Hacer una copia, guarda la plantilla en Google Drive y, a continuación, edítala en línea.
• advertenciaAsegúrese de que su versión de Excel admite cálculos con fórmulas (por ejemplo, SUM, PRODUCT, etc.); se recomienda Excel 2016 o superior.

3. Flujo operativo detallado de las funciones principales

Función 1: Aprendizaje de modelos de transformación mediante plantillas de Excel

• intente: Abra la plantilla Transformer descargada (p. ej.tfmr.xlsx), verá varias hojas de cálculo, incluidas las capas de entrada, las matrices de pesos y las regiones de cálculo de salida.
• flujo de trabajo::
  1. datos de entradaRellene la hoja de cálculo "Entrada" con los datos de la prueba, por ejemplo, un simple vector de frases (en forma numérica).
  2. Parámetros de ajusteVaya a la hoja de cálculo "Pesos" y cambie los pesos y los valores de sesgo (por ejemplo, cambie un peso de 0,5 a 0,8).
  3. Ver el proceso de cálculo: Cambie a la hoja de cálculo "Hacia delante" y la tabla calculará automáticamente los resultados de la propagación hacia delante, mostrando los valores intermedios en cada paso.
  4. Comprobar la salidaVisualice el resultado final en la hoja de cálculo Salida para comprender cómo afecta a la salida el mecanismo de atención del transformador.
• Funciones destacadasLas plantillas incorporan fórmulas (por ejemplo, la multiplicación de matrices MMULT) y diagramas visuales que permiten al usuario observar intuitivamente el comportamiento del modelo ajustando los parámetros.
• finuraSi el resultado del cálculo es anormal, compruebe si el intervalo de referencia de la fórmula es correcto o consulte el vídeo tutorial de la página web.

Función 2: Implementación manual de Backpropagation

• intente: Descargue la plantilla Backpropagation del sitio web (referencia)https://www.byhand.ai(el artículo Backpropagation).
• flujo de trabajo::
  1. Establecer la estructura de la redIntroduzca los parámetros iniciales de una red de tres capas en la plantilla (por ejemplo, 2 neuronas en la capa de entrada, 3 en la capa oculta y 1 en la capa de salida).
  2. Rellenar los datos de formaciónIntroduzca los datos de la muestra y la salida deseada en la hoja de cálculo "Datos" (por ejemplo, introduzca [0,1, 0,2] y espere una salida de 0,7).
  3. Cálculo de la propagación hacia delantePaso hacia delante: Vaya a la hoja de cálculo Paso hacia delante y observe la salida de cada capa.
  4. Realizar retropropagaciónEn la hoja de cálculo Paso atrás, la tabla calcula automáticamente el gradiente basado en la función de pérdida y actualiza los pesos.
  5. Ajustes iterativosEjecute los pasos 3 y 4 varias veces y observe cómo se optimizan progresivamente los pesos.
• Funciones destacadasA través de las entradas y cálculos manuales, los usuarios pueden comprender mejor las matemáticas de la retropropagación, y las plantillas están etiquetadas con fórmulas clave (por ejemplo, ∂L/∂w).
• sugerencia: Para un uso inicial, se recomienda trabajar paso a paso con los artículos del sitio web (por ejemplo, el tutorial Backpropagation del 7 de octubre de 2024).

Función 3: Experimento personalizado de parámetros del modelo

• intenteSeleccione cualquier plantilla (por ejemplo, MLP o RNN) y asegúrese de que se ha copiado localmente.
• flujo de trabajo::
  1. Área abierta de parámetrosLocalice las celdas denominadas "Pesos" y "Sesgos".
  2. valor modificadoCambiar un peso del valor predeterminado (por ejemplo, 0,3) a otro valor (por ejemplo, 1,2) o ajustar el sesgo.
  3. cálculo corrientePulse Intro o actualice la tabla y observe cómo cambia la salida.
  4. Resultados comparativosRegistre las diferencias en los resultados con diferentes parámetros para comprender el efecto de los parámetros en el modelo.
• Funciones destacadasEste enfoque de "prueba y error" permite a los usuarios visualizar la sensibilidad del modelo de IA y es adecuado para la enseñanza o la experimentación.
• consejoSi el resultado es mayor de lo esperado, puede utilizar la función "Deshacer" de Excel (Ctrl+Z) para restablecer el valor original.

4. Obtener más ayuda

• tutorial de vídeoVisita el canal de YouTube de AI by Hand (por ejemplo, DeepSeek Lecture) para ver a Tom Yeh o a un asistente en acción.
• Interacción comunitariaComentarios: Deje un comentario en el artículo de Substack con una pregunta o comparta sus mejoras de la plantilla y el autor normalmente responderá.
• Recursos para el progreso: Explorar otras páginas del sitio (p. ej.https://www.byhand.aipágina de inicio) para más plantillas de modelos (por ejemplo, AlphaFold, LSTM).

5. Precauciones

• Requisitos de equipamientoAsegúrese de que Excel o Google Sheets admiten fórmulas complejas y representación de gráficos, que pueden no mostrarse correctamente en versiones inferiores.
• Consejos de aprendizajeLos principiantes pueden empezar con plantillas MLP sencillas y desafiarse progresivamente con modelos Transformer o de visión por ordenador complejos.
• Guardar el progresoGuarda el archivo periódicamente para evitar perder datos por mal uso.

Con estos pasos, los usuarios pueden empezar rápidamente a utilizar las plantillas de Excel de AI by Hand y dominar en la práctica los principios básicos del modelado de IA. Lo mejor del sitio web es que no se necesitan conocimientos básicos de programación, y el aprendizaje de la IA se puede llevar a cabo solo con el Excel familiar, lo que reduce enormemente la barrera de entrada.