- Я написал эту статью для ConsenSys, когда работал в Alethio специалистом по данным в 2016–2017 годах. Некоторые из идей, изложенных в этой статье, послужили основой для RAKR, недолговечной организации ConsenSys, которую я основал в январе 2018 года. Отсюда следует основной мыслительный процесс: самый интересный вид машинного обучения — это обучение под наблюдением —> чтобы сделать это, нам нужны метки для учетных записей и контрактов в блокчейне (также мы могли бы использовать метаданные для учетных записей в сети по многим другим причинам) — что, если бы мы каким-то образом собирали эти метаданные через стимулированный рынок знаний и поисковую систему для блокчейна?
«Использование машинного обучения для понимания блокчейна Ethereum
Узнайте, как проекты ConsenSys, такие как Alethio и Rakr, используют ИИ для понимания децентрализованных данных.media.consensys. сеть"
2) Исследовательская работа, которую я написал вместе с доктором Агнес Турин об оптимальном арбитраже на рынках биткойнов, которая была опубликована в журнале Quantitative Finance в 2016 году. Это прикладное математическое исследование было вдохновлено автоматизированной системой арбитража биткойнов, которую я создал и использовал в 2013 году. –2014 (до взлома MtGox): https://www.researchgate.net/publication/309707656_Model-based_pairs_trading_in_the_bitcoin_markets
3) Интересный, но долгий разговор с Кристианом Себерино о моей карьере в машинном обучении и количественных финансах, контролируемом и неконтролируемом обучении, блокчейне и взаимодополняющих отношениях между машинным обучением и криптографией. Если вы хотите пропустить мою многословную историю карьеры (извините), начните в 12:20. Чтобы перейти к описанию пересечения блокчейна и машинного обучения, перейдите на 40:45 https://www.youtube.com/watch?v=ZD3TcjYKLOU.
