Excelで大規模なモデルの原理をアニメーション化するティーチング・ツール

はじめに

AI by Handは、Tom Yeh教授によって作成・管理されている、Excelを使った人工知能(AI)モデル構築を教えることに焦点を当てた教育ウェブサイトです。無料のスプレッドシートテンプレートと詳細なチュートリアルを提供することで、ユーザーがエクセルでニューラルネットワークやトランスフォーマーなどのAIアルゴリズムを手作業で実装する手助けをする。このサイトの目標は、学習者が実践的な練習を通してAIの背後にある数学と論理を理解できるようにすることであり、AIに興味のある学生、教師、初心者に適している。コンテンツは、基本的な多層パーセプトロン（MLP）から複雑なコンピュータ・ビジョン・モデルまで幅広く、「手」のコンピューティングの価値を強調している。サブスタックのブログで更新されるこのサイトは、世界中の教育者や学習者に人気のあるインタラクティブな学習リソースを提供しています。

機能一覧

• エクセル・テンプレートのダウンロードユーザーは、AIモデルの計算に直接使用するために、事前に定義された数式や構造のスプレッドシートをダウンロードすることができます。
• 複数のAIモデルのティーチングをサポートMLP、Transformer、RNN、BackpropagationなどのモデルをExcelで実装。
• チュートリアル・コンテンツのリアルタイム更新新しいチュートリアルや練習問題は、Substackプラットフォームを通じて定期的にリリースされます。
• カスタマイズされたモデルパラメータ重みやバイアス、その他のパラメータを調整し、計算結果の変化を観察することができます。
• ビデオ・プレゼンテーション・サポートチュートリアルの一部には、エクセルで複雑なアルゴリズムを操作する方法を紹介するビデオが付いています。
• オープンソースコモンズコンテンツの一部はGitHubでオープンソース化され、ユーザーが自由に修正・貢献できるようになっている。
• インタラクティブなフィードバック・メカニズムユーザーは、コメントや電子メールを通じて作者と交流し、改良を提案したり、バグを報告したりすることができます。

ヘルプの使用

1.ウェブサイトを訪問し、リソースにアクセスする

• 動くブラウザを開き、URLを入力する。https://www.byhand.ai/t/spreadsheetAI by Handのスプレッドシートのページをご覧ください。
• リグページにはGoogle Sheetsのリンクが表示されます。https://by-hand.ai/sp/tfmr)をクリックすると、トランスフォーマーモデルのExcelテンプレートが表示されます。
• 注意を引く最新のテンプレートやチュートリアルを入手するには、SubstackのアカウントにサインアップしてTom Yehのブログを購読することをお勧めします。

2.エクセル・テンプレートをダウンロードまたはコピーする

• ダウンロードGoogle Sheetsのページで、"File" > "Download" > "Microsoft Excel (.xlsx) "をクリックし、ローカルに保存します。ローカルに保存します。
• 再生産方法ファイル」＞「コピーを作成」をクリックし、テンプレートをGoogleドライブに保存してから、オンラインで編集します。
• ほらエクセルのバージョンが計算式（SUM、PRODUCTなど）に対応していることを確認してください。

3.主要な機能の詳しい操作の流れ

機能1：エクセルのテンプレートを使って変換モデルを学ぶ

• 意図するダウンロードしたTransformerテンプレートを開きます。tfmr.xlsx)、入力レイヤー、ウェイト行列、出力計算領域を含む複数のワークシートが表示されます。
• ワークフロー::
  1. 入力データInput "ワークシートに、テストデータ、例えば、文の単純なベクトル（数値形式）を記入する。
  2. 調整パラメーターWeights "ワークシートに移動し、ウェイトとバイアス値を変更する（例えば、ウェイトを0.5から0.8に変更する）。
  3. 計算プロセスを見るForward "ワークシートに切り替えると、表は自動的に順伝播の結果を計算し、各ステップでの中間値を表示します。
  4. 出力チェックトランスフォーマーの注意メカニズムが出力にどのような影響を与えるかを理解するために、最終結果をOutputワークシートで見てください。
• 注目の機能テンプレートには数式（例：行列の乗算MMULT）と視覚的なダイアグラムが組み込まれており、ユーザーはパラメータを調整することでモデルの挙動を直感的に観察することができます。
• 技術計算結果が異常な場合は、計算式の基準範囲が正しいかどうかを確認するか、ウェブサイトのチュートリアルビデオを参照してください。

機能2：バックプロパゲーションの手動実装

• 意図するバックプロパゲーション・テンプレートをウェブサイトからダウンロードする。https://www.byhand.ai(バックプロパゲーションの記事）。
• ワークフロー::
  1. ネットワーク構造の設定例：入力層に2ニューロン、隠れ層に3ニューロン、出力層に1ニューロン）。
  2. トレーニングデータを埋めるData "ワークシートにサンプルデータと希望する出力を入力する（例えば、[0.1, 0.2]と入力し、0.7の出力を期待する）。
  3. 順伝播の計算フォワード・パスのワークシートに移動し、各レイヤーの出力を観察する。
  4. バックプロパゲーションの実行Backward Passワークシートでは、テーブルが自動的に損失関数に基づいて勾配を計算し、重みを更新します。
  5. 反復調整ステップ3と4を数回実行し、重みが徐々に最適化されていく様子を観察する。
• 注目の機能手動入力と計算を通して、ユーザーはバックプロパゲーションの数学について理解を深めることができ、テンプレートには主要な公式（∂L/∂wなど）がラベル付けされています。
• 提案最初の使用については、ウェブサイトの記事（例：2024年10月7日のバックプロパゲーション・チュートリアル）を参考に、ステップ・バイ・ステップで作業することをお勧めします。

機能3：カスタマイズされたモデル・パラメーター実験

• 意図する任意のテンプレート（MLPやRNNなど）を選択し、ローカルにコピーされていることを確認します。
• ワークフロー::
  1. オープン・パラメーター・エリア重み」と「バイアス」と書かれたセル領域を見つける。
  2. 修正値: ウェイトをデフォルト値（例えば0.3）から他の値（例えば1.2）に変更したり、バイアスを調整する。
  3. 走行計算Enterを押すか、表を更新して、出力がどのように変化するかを観察する。
  4. 比較結果パラメータの違いによる出力の違いを記録し、パラメータがモデルに与える影響を理解する。
• 注目の機能この「試行錯誤」アプローチにより、ユーザーはAIモデルの感度を視覚化することができ、教育や実験に適している。
• チップ予想以上の結果が出た場合は、エクセルの「元に戻す」機能（Ctrl+Z）で元の値に戻すことができます。

4.さらなる支援を得る

• ビデオチュートリアル: AI by HandのYouTubeチャンネル（例：DeepSeek Lecture）で、トム・イエやアシスタントが実際に動いているところをご覧ください。
• 地域社会との交流Substackの記事の下に、質問やテンプレートの改良点などのコメントを残してください。
• アドバンスメント・リソース: サイトの他のページを探索する (例.https://www.byhand.aiホームページ)で、より多くのモデル・テンプレート(AlphaFold、LSTMなど)を見ることができる。

5.注意事項

• 機材要件ExcelやGoogle Sheetsが複雑な数式やグラフの描画に対応していることを確認してください。
• 学習アドバイス初心者は簡単なMLPテンプレートから始め、徐々に複雑なTransformerモデルやコンピュータビジョンモデルに挑戦することができます。
• 進行状況の保存誤用によるデータの損失を防ぐため、定期的にファイルを保存してください。

以上のステップを通じて、ユーザーはAI by Handのエクセル・テンプレートをすぐに使い始めることができ、AIモデリングの核となる原理を実践的にマスターすることができる。このウェブサイトの最大の特徴は、プログラミングの基礎が不要で、使い慣れたExcelだけでAI学習ができることで、参入障壁が大幅に低くなっている。