Учебное пособие для анимации принципов построения больших моделей в Excel

Общее введение

AI by Hand - это образовательный сайт, посвященный обучению построению моделей искусственного интеллекта (ИИ) в Excel, созданный и поддерживаемый профессором Томом Йехом. Он помогает пользователям вручную реализовывать в Excel алгоритмы искусственного интеллекта, такие как нейронные сети, трансформаторы и т. д., предоставляя ряд бесплатных шаблонов электронных таблиц и подробные учебные пособия. Цель сайта - дать учащимся возможность понять математику и логику, лежащую в основе ИИ, с помощью практических занятий, что делает его подходящим для студентов, преподавателей и новичков, интересующихся ИИ. Контент варьируется от базовых многослойных перцептронов (MLP) до сложных моделей компьютерного зрения, подчеркивая ценность "ручных" вычислений. Обновляемый блогами Substack, сайт предоставляет интерактивные учебные ресурсы, которые пользуются популярностью у преподавателей и учащихся по всему миру.

Список функций

• Предоставьте шаблоны Excel для загрузки: Пользователи могут загружать электронные таблицы с заранее определенными формулами и структурами для непосредственного использования в расчетах моделей AI.
• Поддержка обучения нескольких моделей искусственного интеллекта: Включает реализацию в Excel таких моделей, как MLP, Transformer, RNN и Backpropagation.
• Обновление содержания учебников в режиме реального времени: На платформе Substack регулярно появляются новые учебники и упражнения.
• Индивидуальные параметры модели: Пользователь может регулировать веса, смещения и другие параметры в таблице и наблюдать за изменениями в результатах вычислений.
• Поддержка видеопрезентаций: Некоторые учебные пособия сопровождаются видеороликами, показывающими, как работать со сложными алгоритмами в Excel.
• открытый исходный код: Часть контента открыта на GitHub, чтобы пользователи могли свободно изменять и вносить свой вклад.
• Интерактивные механизмы обратной связи: Пользователи могут взаимодействовать с авторами через комментарии или электронные письма, предлагая улучшения или сообщая об ошибках.

Использование помощи

1. посещение веб-сайта и доступ к ресурсам

• перейти: Откройте браузер и введите URL-адрес.https://www.byhand.ai/t/spreadsheetПерейдите на страницу "Электронная таблица AI by Hand".
• буровая установка: На странице отображается ссылка на Google Sheets (например.https://by-hand.ai/sp/tfmr), нажмите на него, чтобы просмотреть шаблон Excel модели трансформатора.
• привлекать внимание к чему-л.: Рекомендуется зарегистрировать учетную запись Substack и подписаться на блог Тома Йе, чтобы получать самые свежие шаблоны и руководства.

2. Загрузите или скопируйте шаблоны Excel

• Скачать: На странице Google Таблицы нажмите "Файл" > "Загрузить" > "Microsoft Excel (.xlsx)", чтобы сохранить его локально. локально.
• Метод размноженияНажмите "Файл" > "Сделать копию", сохраните шаблон на Google Диске, а затем отредактируйте его в режиме онлайн.
• предостережение: Убедитесь, что ваша версия Excel поддерживает вычисления по формулам (например, SUM, PRODUCT и т. д.), рекомендуется использовать Excel 2016 или более позднюю версию.

3. подробное описание основных функций

Функция 1: Изучение трансформационных моделей с помощью шаблонов Excel

• намерение: Откройте загруженный шаблон трансформера (например.tfmr.xlsx), вы увидите несколько рабочих листов, включая входные слои, весовые матрицы и области расчета выходных данных.
• рабочий процесс::
  1. исходные данные: Заполните рабочий лист "Вход" тестовыми данными, например, простым вектором предложений (в числовом виде).
  2. Параметры настройки: Перейдите на рабочий лист "Веса" и измените значения весов и смещения (например, измените вес с 0,5 на 0,8).
  3. Просмотр процесса расчета: Переключитесь на рабочий лист "Вперед", и таблица автоматически рассчитает результаты распространения вперед, показывая промежуточные значения на каждом шаге.
  4. Проверьте выход: Просмотрите конечный результат в рабочем листе "Выход", чтобы понять, как механизм внимания трансформатора влияет на выход.
• Основные функции: Шаблоны имеют встроенные формулы (например, матричное умножение MMULT) и визуальные диаграммы, которые позволяют пользователю интуитивно наблюдать за поведением модели, настраивая параметры.
• изысканность: Если результат расчета не соответствует норме, проверьте правильность референсного диапазона формулы или обратитесь к обучающему видео на сайте.

Функция 2: Ручная реализация обратного распространения

• намерение: Загрузите шаблон Backpropagation с сайта (ссылка)https://www.byhand.ai(статья Backpropagation).
• рабочий процесс::
  1. Настройка сетевой структуры: Введите в шаблон начальные параметры трехслойной сети (например, 2 нейрона во входном слое, 3 в скрытом слое и 1 в выходном слое).
  2. Заполните учебные данные: Введите данные образца и желаемый результат в рабочем листе "Данные" (например, введите [0.1, 0.2] и ожидайте результат 0.7).
  3. Вычислите прямое распространение: Перейдите к рабочему листу Forward Pass и проследите за выходом для каждого слоя.
  4. Выполните обратное распространение: В рабочем листе Backward Pass таблица автоматически вычисляет градиент на основе функции потерь и обновляет веса.
  5. Итеративные корректировки: Выполните шаги 3 и 4 несколько раз и проследите, как постепенно оптимизируются веса.
• Основные функции: Благодаря ручному вводу и вычислениям пользователи могут получить представление о математике обратного распространения, а шаблоны снабжены ключевыми формулами (например, ∂L/∂w).
• предложение: Для начального использования рекомендуется пошаговая работа со статьями на сайте (например, учебник Backpropagation от 7 октября 2024 года).

Функция 3: Эксперимент по определению параметров модели

• намерение: Выберите любой шаблон (например, MLP или RNN) и убедитесь, что он был скопирован локально.
• рабочий процесс::
  1. Открытая область параметров: Найдите области ячеек с надписями "Веса" и "Погрешности".
  2. изменённое значение: Измените вес со значения по умолчанию (например, 0,3) на другое значение (например, 1,2) или отрегулируйте смещение.
  3. расчёт хода: Нажмите Enter или обновите таблицу и посмотрите, как изменится результат.
  4. Сравнительные результаты: Зафиксируйте различия в результатах при разных параметрах и поймите влияние параметров на модель.
• Основные функцииТакой подход "проб и ошибок" позволяет пользователям визуализировать чувствительность модели ИИ и подходит для обучения или экспериментов.
• наконечникЕсли результат оказался больше ожидаемого, вы можете воспользоваться функцией Excel "Отменить" (Ctrl+Z), чтобы восстановить исходное значение.

4. Получение дополнительной помощи

• видеоурок: Посетите YouTube-канал AI by Hand (например, DeepSeek Lecture), чтобы увидеть Тома Йе или ассистента в действии.
• Взаимодействие с обществом: Оставьте комментарий под статьей Substack с вопросом или поделитесь своими улучшениями шаблона, и автор обычно отвечает.
• Ресурсы для продвижения: Изучите другие страницы сайта (например.https://www.byhand.aiдомашняя страница) для большего количества шаблонов моделей (например, AlphaFold, LSTM).

5. предостережения

• Требования к оборудованию: Убедитесь, что Excel или Google Sheets поддерживает сложные формулы и отображение графиков, которые могут отображаться некорректно в более низких версиях.
• Советы по обучению: Новички могут начать с простых MLP-шаблонов и постепенно переходить к сложным моделям трансформеров или компьютерного зрения.
• Сохранение прогресса: Периодически сохраняйте файл, чтобы избежать потери данных из-за неправильного использования.

Выполнив описанные выше действия, пользователи смогут быстро приступить к работе с шаблонами AI by Hand для Excel и освоить основные принципы моделирования ИИ на практике. Самое приятное на сайте то, что не требуется никаких основ программирования, а обучение ИИ может быть осуществлено только с помощью привычного Excel, что значительно снижает барьер для входа.