每个算法都用 Excel 表格逐步计算，让你真正看懂每一行公式。不需要任何基础，只需要一颗好奇心。
| A | B | C | D (结果) | |
|---|---|---|---|---|
| 1 | 输入 z₁ | 输入 z₂ | 输入 z₃ | Softmax |
| 2 | 2.0 | 1.0 | 0.1 | 0.659 |
| 3 | 0.242 | |||
| 4 | 0.099 | |||
| 5 | ∑ = 1.000 | ✓ | ||
把抽象的矩阵运算变成看得见、摸得着的表格计算
每个数字都在表格里，每步计算都清清楚楚。不用在脑子里想象矩阵乘法。
用 Excel 公式亲手计算，从输入到输出，每一步都能验证。错了立刻知道哪里错了。
动手做过一遍，比看十遍论文都管用。从"背公式"变成"理解公式"。
每个章节都包含三种学习方式，让你从不同角度理解同一个概念
每个公式都拆成表格计算，像做数学题一样逐步推导。还可以编辑输入值，实时看到结果变化。
拖动滑块调参、看网络动画、实时图表变化。不用写代码就能"玩"深度学习。
手算完立刻看 PyTorch 实现，把数学公式和代码一一对应，无缝衔接。
每个阶段都有 Excel 手推 + 代码实现 + 可视化
理解神经网络的基本数学原理，用 Excel 手动计算每一个步骤
掌握经典深度学习架构，从 CNN 到生成模型
掌握 Transformer、CLIP、AlphaFold 等前沿架构
从基础数学到前沿架构，每个章节都有 Excel 手推 + 互动实验 + 代码实现
把任意实数变成概率分布
神经网络的基本积木
损失函数与梯度计算
序列数据的循环神经网络
卷积神经网络与经典架构
压缩与重建的无监督学习
在概率空间中生成新数据
生成器 vs 判别器的博弈
U 型编码解码结构，图像分割经典
自注意力与现代架构基石
连接图像与文本的对比学习
AI 预测蛋白质 3D 结构
MLA + MoE 的高效大语言模型