U8Redes neuronales y blockchainBlockchain y Finanzas Descentralizadas

Unidad 8 · Del dato a la validación

Aprender en el tiempo y en la red

Comprender cómo se entrenan las redes neuronales, modelar secuencias de Bitcoin y Ethereum con LSTM/GRU y analizar relaciones on-chain con GNN. Una misma pregunta guía toda la unidad: ¿qué evidencia permite confiar en el resultado?

5Presentaciones
89Diapositivas
8Laboratorios interactivos
BTC · ETHCasos y límites metodológicos

Resultados de aprendizaje

Formular, construir y contrastar

Redes neuronales y secuencias

Explicar el entrenamiento mediante pérdidas y gradientes; preparar ventanas causales; interpretar las compuertas de LSTM y GRU; contrastar resultados con baselines.

Grafos y evaluación

Elegir nodos, aristas y tiempos de disponibilidad; interpretar GCN, GraphSAGE y GAT; detectar fuga temporal o estructural; justificar métricas y ablaciones.

Progresión recomendada

Una ruta en cinco pasos

Conviene conocer retornos, álgebra matricial básica y Python. U2 y U3 aportan el modelo de datos; U6 y U7, el contexto de series temporales y analítica.

Introducción a las redes neuronales

Neurona, activaciones, entrenamiento y generalización. 18 diapositivas.

Metodología de ML en blockchain

Objetivo, disponibilidad de datos, walk-forward, leakage y métricas. 16 diapositivas.

LSTM y GRU para Bitcoin y Ethereum

Ventanas, ecuaciones, cálculo de compuertas y entrenamiento temporal. 19 diapositivas.

GNN aplicadas a blockchain

Construcción de grafos, propagación de mensajes, Elliptic y evaluación. 20 diapositivas.

Integrador LSTM y GNN

Pooling, fusión, ablaciones, explicabilidad, drift y backtesting. 16 diapositivas.

Experimentación guiada

Ocho laboratorios, una guía de investigación

Preparar ventanas; detectar leakage; comparar perfiles de pronóstico; contar parámetros; explorar centralidad; reconstruir GCN, GraphSAGE y GAT; combinar pooling con memoria recurrente; explicar un modelo lineal con SHAP.

Datos sintéticos y pesos fijos donde se indica. La arena utiliza perfiles prefijados; el laboratorio 02 sí ajusta ridge. Cada recurso explicita qué cálculo realiza y qué conclusiones permite.

Comprender y conectar

Glosario y lecturas complementarias

Consultá un concepto y aplicalo en un laboratorio. Extendé la mirada sobre las GNN desde las transacciones blockchain hasta los sistemas de recomendación.

145 conceptos · ES / EN

Glosario de IA y blockchain

16 áreas temáticas, definiciones desarrolladas, fórmulas, ejemplos y lecturas críticas. Buscador, filtros, enlaces entre términos y accesos a los ocho laboratorios.

Lectura complementaria · GNN

Cómo TikTok sabe lo que querés ver

Una nota del profesor Sergio Gevatschnaider para conectar usuarios, videos, embeddings y agregación de vecinos. Leela después del laboratorio 06 y compará qué representa cada nodo y cada relación.

Artículo del profesorRecomendación y grafos

Conexión didáctica: usuarios y videos forman un grafo bipartito; direcciones y transferencias requieren su propio modelo de datos. La fórmula del artículo es ilustrativa y no documenta la arquitectura interna de TikTok. ¿Qué cambia al trasladar una GNN de recomendación al análisis de blockchain?

Proyecto integrador

Una comparación reproducible

Definir una variable objetivo y un horizonte; documentar qué información estaba disponible; comparar baseline, LSTM, GNN e híbrido en los mismos folds; informar errores, incertidumbre y limitaciones. La quinta presentación desarrolla la arquitectura y la rúbrica de evaluación.

Los ocho laboratorios incluyen actividades y exportación de registros. La guía desarrolla sus vocabularios y el glosario reúne 145 conceptos con ejemplos, lecturas críticas y enlaces a los laboratorios.