192.080 Crypto Asset Analytics
Diese Lehrveranstaltung ist in allen zugeordneten Curricula Teil der STEOP.
Diese Lehrveranstaltung ist in mindestens einem zugeordneten Curriculum Teil der STEOP.

2024S, VU, 2.0h, 3.0EC
TUWEL

LVA-Bewertung

Merkmale

  • Semesterwochenstunden: 2.0
  • ECTS: 3.0
  • Typ: VU Vorlesung mit Übung
  • Format der Abhaltung: Hybrid

Lernergebnisse

Nach positiver Absolvierung der Lehrveranstaltung sind Studierende in der Lage folgende erworbene Kompetenzen einzusetzen:

  1. Detaillierte Erklärung der Distributed Ledger Technologie und darauf aufbauender Kryptoassets
  2. Unterscheidung von verschiedenen Arten von Kryptoassets anhand ihrer Funktionalität und technischen Eigenschaften
  3. Anwendung grundlegender Analysemethoden auf Kryptoasset-Transaktionen
  4. Durchführung von spezifischen Kryptoasset-Analyse-Tasks mit Hilfe von Open-Source-Tools
  5. Erklärung der Eigenschaften von privacy-zentrierten Kryptowährungen sowie möglicher Analysemethoden
  6. Analyse von Off-Chain-Zahlungskanälen in Blockchains
  7. Vorstellung gängiger Anwendungen und Use Cases von Kryptoassets
  8. Umsetzung eigener Analyse-Tasks auf Basis des erworbenen Wissens

Inhalt der Lehrveranstaltung

  • Einführung in Kryptowährungen und Distributed Ledger Technology (Blockchain)
  • Grundlegende Analyse Methoden für Kryptowährungen
  • Analyse von Mixing Services & Privacy Coins (Monero, Zcash, etc.)
  • Analyse von Smart Contracts und Token Systemen
  • Analyse von Decentralized Finance (DeFi) Protokollen
  • Analyse von Cross-Layer und Cross-Ledger Lösungen

Methoden

  • Vorlesung
  • Wöchentliche Übungsaufgaben (Literaturstudie + Programmieraufgaben)
  • Präsentationen
  • Projektarbeit (specific data analytics task)

Prüfungsmodus

Prüfungsimmanent

Weitere Informationen

Diese Lehrveranstaltung gliedert sich ein zwei Teile: der erste Teil (zu Semesterbeginn) umfasst Vorlesung seitens des LV Leiters, externe Fachvorträge, sowie wöchentliche Übungen (Programmieraufgaben + Aufbereitung wissenschaftlicher Literatur) die seitens der Studierenden in den Lehrveranstaltungen präsentiert werden. Im zweiten Teil sollen die erlernten Methoden in konkreten Projekten angewendet werden.

Benotung

  • Wöchentliche Hausübung 50%
  • Projektarbeit 50%

Vortragende Personen

Institut

LVA Termine

TagZeitDatumOrtBeschreibung
Mi.17:00 - 19:0006.03.2024EI 8 Pötzl HS - QUER Course Introduction & Cryptoassets Recap
Mi.17:00 - 18:3013.03.2024 Zoom Meeting (LIVE)Analyzing UTXO Ledgers
Mi.17:00 - 18:3020.03.2024 Zoom Meeting (LIVE)The Limits of Known Methods: Coin Mixing & Privacy Coins
Mi.17:00 - 18:3010.04.2024 Zoom Meeting (LIVE)Going Beyond UTXO: Ethereum, Smart Contracts, Tokens, Account-Model Ledgers
Mi.17:00 - 19:0017.04.2024EI 8 Pötzl HS - QUER Guest Lecture
Mi.17:00 - 19:0024.04.2024 Zoom Meeting (LIVE)Analyzing Decentralized Finance (DeFi) Protocols
Mi.17:00 - 18:3008.05.2024 Zoom MeetingAnalyzing Transactions Across Layers and Ledgers
Mi.17:00 - 18:3015.05.2024 Zoom Meeting (LIVE)Overall Approach & Initial Design Presentation
Mi.17:00 - 18:3005.06.2024 Zoom Meeting (LIVE)Intermediate Results Presentation
Mi.17:00 - 20:0026.06.2024EI 8 Pötzl HS - QUER Final Results Presentation + Best Student Project Award

Leistungsnachweis

ECTS Breakdown:
---------------------------------------------------

12 Std. Vorlesung

13 Std. Selbststudium, Lesungen und Hausaufgaben

50 Std. Project
---------------------------------------------------
75 Stunden (6 ECTS)

LVA-Anmeldung

Von Bis Abmeldung bis
23.02.2024 10:00 04.03.2024 23:59 13.03.2024 23:59

Curricula

StudienkennzahlVerbindlichkeitSemesterAnm.Bed.Info
066 645 Data Science Keine Angabe
066 937 Software Engineering & Internet Computing Keine Angabe
175 FW Freie Wahlfächer - Wirtschaftsinformatik Freifach
880 FW Freie Wahlfächer - Informatik Gebundenes Wahlfach

Literatur

Es wird kein Skriptum zur Lehrveranstaltung angeboten.

Vorkenntnisse

  • Programmierkenntnisse (e.g., Python).
  • Grundlegendes Verständnis von Bitcoin und Kryptowährungstechnologie (z.B.: erfolgreiche Absolvierung von „VU 192.065“)
  • Grundkenntnisse in Netzwerkanalyse und maschinellen Lerntechniken (supervised, unsupervised)

Vorausgehende Lehrveranstaltungen

Sprache

Englisch