Entwicklung eines vollständigen Analyse-Dashboards zur Überwachung eines ausgewählten DeFi-Protokolls mit automatisierter Anomalieerkennung und Reporting-Funktionen.
Dezentrale Finanzprotokolle generieren täglich Millionen von Transaktionen, die wertvolle Einblicke in Marktverhalten und Protokollsicherheit bieten. Dieses Programm vermittelt die technischen Grundlagen, um Machine-Learning-Algorithmen auf DeFi-Daten anzuwenden und aussagekräftige Muster zu identifizieren.
Sie arbeiten mit realen On-Chain-Daten von Protokollen wie Uniswap, Aave und Compound. Der Fokus liegt auf überwachten Lernverfahren zur Anomalieerkennung, Clustering-Methoden für Wallet-Segmentierung und Zeitreihenanalysen für Liquiditätsprognosen. Die Kombination aus theoretischem Verständnis und praktischer Implementierung bereitet Sie darauf vor, eigenständig Analysemodelle zu entwickeln.
Das Curriculum umfasst Python-basierte Frameworks wie Scikit-learn und TensorFlow, speziell angepasst an Blockchain-Datenstrukturen. Sie lernen, wie Smart-Contract-Events extrahiert, bereinigt und in trainierbare Datensätze transformiert werden. Ein besonderer Schwerpunkt liegt auf der Interpretation von Modellergebnissen im Kontext der dezentralen Finanzarchitektur.
