用Excel零代码实现AI算法：从Softmax到Transformer的完整指南
【免费下载链接】ai-by-hand-excel项目地址: https://gitcode.com/gh_mirrors/ai/ai-by-hand-excel
想学习人工智能但被复杂的编程吓退？现在，你只需要一台电脑和Excel就能亲手搭建神经网络！AI by Hand Excel项目将复杂的AI算法变成可视化的Excel表格，让你通过简单的公式操作就能理解从基础数学到Transformer架构的完整原理。这个开源项目为AI初学者提供了终极学习工具，让你在Excel中亲手实现15+种主流AI算法。
为什么Excel是学习AI的完美工具？🤔
Excel的表格结构天然适合展示矩阵运算和神经网络的前向传播过程。通过单元格之间的公式链接，你可以直观地看到数据如何在网络中流动，权重如何影响输出结果。这种"所见即所得"的学习方式，让抽象的人工智能概念变得具体可触摸。
从零开始：3个核心Excel函数掌握AI基础
项目的basic目录提供了最基础的AI组件实现，每个文件都是一个完整的学习模块：
Softmax函数：理解概率分布
basic/Softmax.xlsx展示了如何用Excel的EXP()和SUM()函数实现Softmax激活。你可以修改输入值，实时观察输出概率的变化，理解为什么Softmax常用于分类任务的最后一层。
LeakyReLU激活函数：掌握非线性变换
basic/LeakyReLU.xlsx通过简单的IF()函数模拟了LeakyReLU激活机制。调整负半轴的斜率参数，观察神经元如何对负值做出不同响应。
温度参数调节：控制模型"果断性"
basic/Temperature.xlsx演示了温度参数如何影响Softmax输出的平滑程度。降低温度让模型更"果断"，提高温度让输出更"保守"，这是调整生成式AI创造力的关键参数。
神经网络实战：从单层到深度网络
多层感知机（MLP）：你的第一个神经网络
advanced/Multi-Layer Perceptron.xlsx让你亲手搭建一个完整的神经网络。通过修改隐藏层神经元数量、调整权重值，你可以直观地看到输入如何经过多层变换产生最终输出。
反向传播算法：理解学习过程
advanced/Backpropgation.xlsx展示了神经网络如何通过误差反向传播来更新权重。这是AI学习的核心机制，通过Excel表格你可以一步步追踪梯度计算和权重更新过程。
残差网络（ResNet）：解决深度网络退化
advanced/ResNet.xlsx实现了著名的残差连接机制。你可以观察跳跃连接如何让信息在深层网络中顺畅传递，理解为什么ResNet能够训练上百层的深度网络。
图：Excel中实现的10种经典AI算法，包括Softmax、Transformer、RNN、Autoencoder等组件
Transformer架构完整解析：从注意力到完整模型
自注意力机制：理解序列建模核心
advanced/Self-Attention.xlsx将自注意力机制拆解为可操作的Excel公式。你可以修改查询、键、值矩阵，观察注意力分数如何计算，理解Transformer为何能处理长序列依赖。
多头注意力：捕捉不同特征维度
advanced/Multihead-Attention.xlsx展示了多头注意力的并行计算过程。每个注意力头学习不同的特征表示，最终拼接形成丰富的上下文信息。
完整Transformer架构：编码器-解码器实战
advanced/Transformer.xlsx和advanced/Transformer-Full-Stack.xlsx提供了完整的Transformer实现。从输入嵌入到位置编码，从多头注意力到前馈网络，每一步都可以在Excel中亲手操作。
序列模型进阶：RNN、LSTM与Mamba
循环神经网络（RNN）：处理时序数据
advanced/RNN.xlsx展示了循环神经网络如何处理序列数据。通过时间步的递推计算，你可以理解RNN的记忆机制和梯度消失问题。
长短期记忆网络（LSTM）：改进的记忆单元
advanced/LSTM.xlsx实现了LSTM的三个门控机制：输入门、遗忘门和输出门。你可以观察LSTM如何选择性地记住或忘记信息，解决长期依赖问题。
Mamba架构：新一代序列模型
advanced/Mamba.xlsx展示了最新的Mamba架构，这是一种高效的Transformer替代方案。通过状态空间模型，Mamba实现了线性时间复杂度的序列建模。
实践练习：3个Workbook快速上手
项目提供的workbook目录包含三个循序渐进的学习手册：
- W1_Dot-Product.xlsx- 从向量点积开始，理解AI中的基础运算
- W2_Matrix-Multiplication.xlsx- 掌握矩阵乘法，神经网络的核心操作
- W3_Linear-Layer.xlsx- 构建第一个线性层，感受参数对输出的影响
每个Workbook都提供了详细的步骤指导和可修改的示例，让你在实践中巩固理论知识。
DeepSeek模型深度解析：最新AI架构Excel实现
图：DeepSeek模型的多头潜在注意力与专家混合机制Excel实现
lectures/DeepSeek-blank.xlsx提供了DeepSeek模型的Excel实现，包含两个核心组件：
多头潜在注意力机制
- 潜在QKV分解：将输入投影到查询、键、值空间
- 并行注意力头：三个独立的注意力头捕捉不同特征
- 缩放点积注意力：通过Softmax计算注意力权重
- 输出投影：拼接多头输出形成最终表示
专家混合（MoE）机制
- 路由器：智能分配输入到不同专家
- 专家网络：四个独立的专家处理特定任务
- 混合层：加权组合专家输出
如何开始你的Excel AI学习之旅？🚀
第一步：获取项目
git clone https://gitcode.com/gh_mirrors/ai/ai-by-hand-excel第二步：打开Excel文件
使用Microsoft Excel、LibreOffice Calc或任何支持.xlsx格式的电子表格软件打开项目中的文件。
第三步：启用公式显示
在Excel中按下Ctrl+``（反引号键）显示所有公式，观察单元格之间的计算关系。
第四步：动手修改
尝试修改输入值、调整权重参数、改变网络结构，实时观察算法输出的变化。
第五步：循序渐进学习
从basic目录开始，逐步过渡到advanced目录的复杂算法，最后挑战lectures中的最新模型。
项目特色与创新价值
可视化学习
每个算法都以彩色编码的表格呈现，不同颜色的单元格代表不同的计算阶段，让抽象概念变得直观易懂。
零代码门槛
无需编程经验，只需要基本的Excel操作技能。通过拖拽、复制公式、修改数值就能完成复杂的AI算法实验。
即时反馈
修改任意参数都能立即看到输出变化，这种即时反馈机制大大加速了学习过程。
完整的学习路径
从最基础的数学运算到最前沿的AI架构，项目提供了循序渐进的学习路线图。
未来展望：更多算法即将加入
项目持续更新中，即将推出的算法包括：
- 生成对抗网络（GAN）- 理解生成式AI的对抗训练机制
- 变分自编码器（VAE）- 学习概率生成模型
- U-Net架构- 掌握图像分割的核心技术
- CLIP模型- 探索多模态AI的跨模态理解
立即开始你的AI学习之旅！
不要再被复杂的代码和数学公式吓倒。通过AI by Hand Excel项目，你可以用最熟悉的工具——Excel，亲手搭建和修改各种AI算法。无论是学生、职场人士还是AI爱好者，这都是理解人工智能底层原理的最佳途径。
打开第一个Excel文件，从修改一个参数开始，你会发现人工智能并不神秘，它就在你的电子表格中等待被探索！
小贴士：建议在学习过程中做好笔记，记录每次修改参数后的观察结果，这能帮助你建立对算法行为的直觉理解。遇到不理解的地方，可以回到基础文件重新学习相关概念。记住，学习AI就像学习任何新技能一样，需要耐心和实践。
【免费下载链接】ai-by-hand-excel项目地址: https://gitcode.com/gh_mirrors/ai/ai-by-hand-excel
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
)
