Das Hauptziel dieser Datenherausforderung bestand darin, Datenanalyseberichte und Modelle für maschinelles Lernen zu entwickeln, die die Anlegerstimmung gegenüber dem OCEAN-Token im Laufe der Zeit genau bewerten.
Twitter und insbesondere „Crypto Twitter (CT)“ haben sich zu einem einzigartigen Wirtschaftsindikator für die globale Stimmung für ein bestimmtes Projekt und einen bestimmten Token entwickelt. Ocean Protocol stellte für diese Übung zwei Datensätze zur Verfügung: Einer enthielt eine Aufzeichnung aller Tweets mit „$OCEAN“ seit 2020, während der andere den Preisverlauf des OCEAN-Tokens seit 2019 enthielt. Die Teilnehmer wurden gebeten, Korrelationen zwischen der Twitter-Stimmung und dem Token-Preis zu finden und ein maschinelles Lernmodell zu entwickeln, das in der Lage ist, Tweets als bullisch, bärisch oder impartial zu klassifizieren.
1. Platz: Nicolas Landry (Preisgeld 2.500 $)
- Der ausführliche Analysebericht und das maschinelle Lernmodell von Nicolas erregten die Aufmerksamkeit unseres Scoring-Groups. Das Papier umfasste Nicolas‘ Methodik, klare Erklärungen der gestellten Datenanalysefragen, Daten und visuelle Ausdrucksformen dieser Daten, um die These zu untermauern. Nicolas hat tief gegraben, um Korrelationskoeffizienten zu finden, seine Abfrageskripte zu erklären und in seinen Ergebnissen mehr als ein ML-Modell zu testen.
2. Platz: Alexis Gassmann (Preisgeld 1.500 $)
- Alexis struggle im Datenanalyseteil dieser Suche äußerst umsichtig und ergebnisorientiert. Mithilfe von HTML-Notizbüchern struggle Alexis in der Lage, Durchschnittswerte zu ermitteln und datengestützte Annahmen zu treffen, um zu beweisen, wann und wie die pessimistische/bullische Stimmung im für diese Herausforderung vorgesehenen Zeitrahmen am stärksten ausgeprägt struggle.
3. Platz: Mohammad Jamali (Preisgeld 1.000 $)
- Mohammad verfolgte einen einzigartigen Ansatz beim Polieren und Neuaufbereiten der Daten nach Sprache, Zeit und Preisbewegung des in dieser Herausforderung bereitgestellten Datensatzes. Auf diese Weise entdeckte Mohammad Muster in der Korrelation zwischen der Twitter-Stimmung und der Preisbewegung, an die wir vorher nicht gedacht hatten. Diese Kreativität und Erkundung ist ein Paradebeispiel dafür, wie die Herausforderungen im Zusammenhang mit Meeresdaten den Datenwissenschaftler stärken und zu einer fundierteren, datengesteuerten Entscheidungsfindung führen.
Sind Sie neugierig, wie sich die Leistung Ihres Projekts, Protokolls oder Lieblingsteams auf das Rathaus der Kryptowährung Twitter auswirkt? Lassen Sie es uns in unseren Neighborhood-Kanälen wissen, und Ihr Protokoll wird möglicherweise als nächstes ausgewählt, um eine Sentiment-Problem durchzuführen.
Herzlichen Glückwunsch an die Gewinner und vielen Dank an alle Teilnehmer für ihre harte Arbeit und ihr Engagement. Ohne Sie wäre diese Herausforderung nicht möglich gewesen. Seien Sie gespannt auf unsere nächste spannende Datenherausforderung!
