Uczenie maszynowe w analizie blockchaina - kurs dla początkujących
Szczegółowy program kursu z zakresu uczenia maszynowego w analizie łańcucha bloków - materiał przygotowany przez zespół ryhobyy.
O tym kursie
Blockchain generuje dane w tempie, które ręczna analiza po prostu przegrywa. Miliony transakcji dziennie, adresy portfeli, znaczniki czasowe - to materiał, na którym modele uczenia maszynowego pracują dobrze.
Co właściwie analizujemy
Kurs skupia się na grafach transakcji, klasyfikacji adresów i wykrywaniu anomalii. Używamy Pythona, bibliotek NetworkX i scikit-learn oraz publicznych danych z sieci Ethereum.
Nie zakładamy, że znasz blockchain od strony technicznej. Wystarczy podstawowa znajomość Pythona i chęć zrozumienia, co tak naprawdę kryje się za hashami i blokami.
Skąd bierzemy dane
Pracujemy na otwartych zbiorach - Etherscan API, BigQuery Public Datasets, Chainalysis sample data. Każde ćwiczenie ma gotowy notebook do pobrania.
Analiza blockchaina to w dużej mierze analiza grafów. Kto to rozumie wcześniej, ten później nie traci czasu na przepisywanie kodu.
Program obejmuje sześć tygodni pracy w tempie około czterech godzin tygodniowo. Nagrania zostają dostępne bez limitu czasowego.
- Klasyfikacja adresów jako exchange, wallet, smart contract
- Wykrywanie podejrzanych klastrów transakcji
- Wizualizacja grafów z użyciem Gephi i Pyvis
- Podstawy modeli GNN dla danych grafowych
Program kursu
-
Tydzień 1 - Struktura danych blockchaina: bloki, transakcje, adresy. Pierwsze zapytania do Etherscan API.
-
Tydzień 2 - Grafy transakcji w NetworkX. Metryki grafowe: stopień węzła, centralność, komponenty spójne.
-
Tydzień 3 - Klasyfikacja adresów. Ekstrakcja cech, modele drzew decyzyjnych i Random Forest.
-
Tydzień 4 - Wykrywanie anomalii: Isolation Forest, Local Outlier Factor na danych transakcyjnych.
-
Tydzień 5 - Wprowadzenie do Graph Neural Networks. Biblioteka PyTorch Geometric, pierwszy model node classification.
-
Tydzień 6 - Projekt końcowy: analiza wybranego klastra adresów, raport i prezentacja wyników.
Każdy tydzień kończy się zadaniem praktycznym ocenianym przez mentora z informacją zwrotną w ciągu 48 godzin.