Analytisch inzicht
in blockchain
via machine learning
Blockchaindata groeit sneller dan handmatige analyse kan bijhouden. Bij Belgimora leer je werken met modellen die patronen detecteren die voor het menselijk oog onzichtbaar blijven.
Wat onderscheidt dit platform
Belgimora is in 2025 opgericht met één doel: toegepaste kennis overdragen die direct bruikbaar is in professionele omgevingen. Geen abstracte theorie, maar werkende modellen en echte datasets.
Echte transactiedata
Deelnemers werken met geanonimiseerde on-chain datasets van publieke blockchains. Modellen worden getraind op transactiereeksen die gedragspatronen bevatten die in gesimuleerde data ontbreken.
Stapsgewijze opbouw
Elke workshop bouwt voort op de vorige. Je start bij feature engineering op adresgrafieken en werkt door naar anomaliedetectie met graph neural networks - zonder stappen over te slaan.
Flexibele planning
Sessies zijn asynchroon beschikbaar en de live coachingmomenten worden op meerdere tijdzones afgestemd. Deelnemers uit Azië, Amerika en Europa volgen hetzelfde programma zonder concessies.
Peerreview en samenwerking
Opdrachten worden beoordeeld door medecursisten via een gestructureerd reviewprotocol. Dit versterkt analytisch denken en leert je code en redenering te verdedigen.
Toetsbare uitkomsten
Elk module eindigt met een concrete deliverable: een werkend model, een gevalideerde notebook of een technisch rapport. Je portfolio groeit terwijl je leert.
Interculturele opzet
Casusbeschrijvingen, terminologie en voorbeelden zijn afgestemd op internationale deelnemers. Regulatoire context varieert per regio - dat verschil is onderdeel van de leerstof.
Van aanmelding tot werkend model
Het traject is in vier fasen opgebouwd. Elke fase heeft een duidelijk eindpunt - je weet altijd waar je staat en wat er volgt.
Instapdiagnose
Een korte technische intake bepaalt je startpunt. Op basis daarvan krijg je toegang tot het juiste instroomniveau - Python-basis of direct naar ML-concepten.
Kernmodules
Acht thematische workshops behandelen grafanalyse, clusteringalgoritmen, tijdreeksmodellen en interpretatiemethoden voor blockchain-specifieke structuren.
Toegepast project
Je kiest een probleemstelling uit een aangeleverde set of brengt een eigen casus in. Het project wordt begeleid door een vakinhoudelijk coach via twee reviewrondes.
Presentatie en reflectie
Deelnemers presenteren hun bevindingen aan de groep. Feedback is gericht op methodologische keuzes, niet op resultaten - leren redeneren staat centraal.
Wie staat achter het programma
Drie specialisten met achtergronden in gedistribueerde systemen, statistische modellering en forensische data-analyse. Geen theoretici zonder praktijkervaring.
Florian Baeck
Hoofddocent - ML-infrastructuur
"Studenten die met echte transactiegrafieken werken begrijpen sneller waarom standaard tabellaire modellen hier tekortschieten."
Nadia Verstraete
Workshopleider - Grafanalyse
"Blockchain-analytics vraagt om een andere manier van denken over entiteiten en relaties. Dat inzicht oefenen we stap voor stap."
Sven Olieslagers
Begeleider - Toegepaste projecten
"De reviewfase is waar het leren echt gebeurt. Een model bouwen is één ding - kunnen uitleggen waarom je die keuzes maakte is een andere vaardigheid."