此 AWS 解决方案实施有何用途?

Machine Learning for Telecommunication 部署了可扩展、可自定义的机器学习 (ML) 架构,为用于电信使用案例的端到端 ML 工作负载提供框架。该解决方案简化了临时数据挖掘、数据处理和特征工程以及机器学习模型构建的流程,包括通过在终端节点部署模型以培训、评估和执行预测。

该解决方案还包含一个综合的电信 IP 数据记录 (IPDR) 数据集,用于演示如何使用机器学习算法来测试和培训远程通信预测分析模型。您可以使用其中的 Jupyter 笔记本作为起点来进行您自己的人工智能研究,以开发自己的自定义机器学习模型,并针对自己的使用案例自定义其中的笔记本。

AWS 解决方案实施概览

Machine Learning for Telecommunication 解决方案帮助您使用 Jupyter Notebook 在 AWS 云上实施端到端机器学习流程框架。Jupyter Notebook 是一个开源 Web 应用程序,可用于创建和共享实时代码、方程式、可视化效果和叙述文本。下图显示了您可以使用该解决方案实现指南和随附的 AWS CloudFormation 模板在几分钟内完成构建的架构。

Machine Learning for Telecommunication | 架构图
 单击可放大

Machine Learning for Telecommunication 解决方案架构

Amazon Simple Storage Service (Amazon S3) 存储桶包括一个综合的 IP 数据记录 (IPDR) 数据集、一个用于转换数据集的 AWS Glue 作业以及一个包括机器学习 (ML) Jupyter Notebook 的 Amazon SageMaker 实例。

该解决方案将 Amazon S3 存储桶中的数据提取至 Amazon SageMaker 集群中,并在数据集上运行 Jupyter Notebook。

该笔记本将会预先处理数据、提取特征并将数据划分为训练数据和测试数据。Amazon S3 Select 将会读取由 AWS Glue 作业处理的 Parquet 压缩数据。机器学习算法将处理正在训练的数据集,以开发用于识别异常和预测未来异常的模型。

Machine Learning for Telecommunication

版本 1.1.1
上次更新日期:2019 年 12 月
作者:AWS

预计部署时间:5 分钟

使用下面的按钮订阅解决方案更新。

注意:要订阅 RSS 更新,您必须为您正在使用的浏览器启用 RSS 插件。 

此解决方案实施是否能为您提供帮助?
提供反馈 

功能

Machine Learning for Telecommunication 参考实施

直接使用 Machine Learning for Telecommunication 解决方案,或者将其用作参考实施,以构建您自己的机器学习解决方案。

用于训练的综合数据集

此解决方案包括采用抽象语法标记 (ASN.1) 格式和通话详情记录 (CDR) 格式的综合演示 IP 数据记录 (IPDR) 数据集。
构建图标
自己部署解决方案

浏览我们的 AWS 解决方案实施库,以获取常见架构问题的答案。

了解更多 
查找 APN 合作伙伴
查找 APN 合作伙伴

寻找 AWS 认证的咨询和技术合作伙伴,以帮助您入门。

了解更多 
探索图标
了解解决方案咨询服务

浏览我们的咨询服务组合,以获取经过 AWS 审查的解决方案部署帮助。

了解更多