Machine Learning in Blockchain Analytics: Fundamentals
Een praktijkgericht programma dat analytische methoden verbindt met de technische realiteit van gedistribueerde netwerken. Deelnemers werken met echte datasets en bouwen stap voor stap bruikbare vaardigheden op.
Wat dit programma inhoudt
Blockchain-data is structureel anders dan klassieke databanken. Transacties zijn onveranderlijk, geketend en vaak pseudoniem, wat specifieke analysetechnieken vereist.
Wat maakt blockchain-analyse complex?
Elke node bevat een volledige kopie van de keten, maar de ruwe data is moeilijk doorzoekbaar zonder preprocessing. Graafstructuren, tijdreeksen en adresclusteringen vragen elk een andere ML-aanpak.
In dit programma leer je hoe je on-chain data parseert met tools zoals Web3.py en hoe je die data voorbereidt voor scikit-learn of PyTorch.
Wat je leert
- UTXO-model versus account-model begrijpen voor feature engineering
- Transactiegraven analyseren met NetworkX
- Anomaliedetectie op mempool-data toepassen
- Basismodellen trainen op Ethereum-transactiehistorie
De cursus bevat werkende notebooks met echte blockchain-datasets van Etherscan en Bitcoin Core. Geen gesimuleerde data.
Vereiste voorkennis: Python, basisstatistiek, begrip van hoe een blockchain werkt.Programmastructuur en leerfasen
Programma-overzicht
Module 1: Blockchain-datastructuren
- Blokken, transacties en Merkle-bomen als ML-input
- RPC-calls naar nodes met Web3.py
- Data normaliseren en opslaan in Parquet-formaat
Module 2: Feature Engineering
- Adreskenmerken extraheren: saldo, frequentie, leeftijd
- Graafkenmerken berekenen: PageRank, betweenness centrality
Module 3: Eerste modellen
- Random Forest voor transactieclassificatie
- Isolation Forest voor outlierdetectie
Module 4: Evaluatie en interpretatie
- Precision-recall op ongebalanceerde blockchain-datasets
- SHAP-waarden voor modelinterpretatie
Tijdsinvestering
Circa 6 uur per week gedurende 8 weken. Alle materialen blijven 12 maanden beschikbaar.
Wat deelnemers na afloop meenemen
Ieder traject bij Belgimora sluit af met een bewijs van deelname dat de behandelde thema's en verworven vaardigheden specifiek benoemt. Het document is bedoeld als referentie, niet als garantie voor een bepaalde uitkomst.
De echte waarde zit in de combinatie van praktische oefeningen, peer-feedback en de directe toepasbaarheid van de aangeleerde technieken in reële analyseomgevingen.
- Persoonlijk bewijs van deelname met programmanaam
- Toegang tot alle oefenmaterialen na afloop
- Verwijzing naar relevante vervolgtrajecten
- Netwerk van internationale deelnemers
Certificaat