Machine Learning for Telecommunication implementa una arquitectura de machine learning escalable y personalizable que proporciona un marco para cargas de trabajo integrales de machine learning para su uso en casos de uso de telecomunicaciones. Esta orientación simplifica el proceso de exploración de datos ad hoc, procesamiento de datos e ingeniería de características, así como la creación de modelos de machine learning, lo que incluye el entrenamiento, la evaluación y la ejecución de predicciones mediante la implementación del modelo en un punto de conexión.

La orientación también incluye un conjunto de datos sintéticos de registros de datos de IP (IPDR) para telecomunicaciones a fin de mostrar cómo se usan los algoritmos de machine learning para probar y entrenar modelos con el propósito de análisis predictivo en el área de telecomunicaciones. Puede utilizar los blocs de notas de Jupyter como punto de partida para hacer su propia investigación de inteligencia artificial con el objetivo de desarrollar sus propios modelos de ML personalizados. O bien, puede adaptar los blocs de notas incluidos a su caso de uso particular.

Información general

El siguiente diagrama presenta la arquitectura que puede crear mediante el código de muestra en GitHub.

Machine Learning for Telecommunication | Diagrama de arquitectura
 Haga clic para agrandar

Arquitectura de la orientación sobre Machine Learning for Telecommunication

Un bucket de Amazon Simple Storage Service (Amazon S3) incluye un conjunto de datos sintéticos de registro de datos de IP (IPDR), un trabajo de AWS Glue convierte los conjuntos de datos y una instancia de Amazon SageMaker incluye los blocs de notas de Jupyter de machine learning (ML).

La orientación lleva a cabo la ingesta de datos del bucket de Simple Storage Service (Amazon S3) en el clúster de Amazon SageMaker y ejecuta los blocs de notas de Jupyter en el conjunto de datos.

Los blocs de notas preprocesan los datos, extraen las características y los dividen en entrenamiento o prueba. Amazon S3 Select lee los datos comprimidos de Parquet que se procesaron por el trabajo de AWS Glue. Los algoritmos de aprendizaje automático procesan el conjunto de datos de entrenamiento a fin de desarrollar un modelo para identificar anomalías y predecir futuras anomalías.

Machine Learning for Telecommunication

Versión 1.1.1
Última actualización: 12/2019
Autor: AWS

¿Lo ayudó esta implementación de soluciones?
Proporcione su opinión 

Características

Orientación sobre Machine Learning for Telecommunication

Utilice la orientación sobre Machine Learning for Telecommunication para crear su propia solución de machine learning.

Conjunto de datos sintético para el entrenamiento

La orientación incluye conjuntos de datos sintéticos de registros de datos de IP (IPDR) de demostración en formato Abstract Syntax Notation One (ASN.1) y formato de registro de detalles de llamadas (CDR).
Icono de creación
Implemente usted mismo una solución

Consulte nuestra biblioteca de Implementaciones de soluciones de AWS para obtener respuestas a problemas de arquitectura comunes.

Más información 
Buscar un socio de APN
Buscar un socio de APN

Encuentre socios consultores y tecnológicos certificados por AWS que lo ayudarán a comenzar.

Más información 
Ícono de exploración
Explore las ofertas de asesoramiento sobre soluciones

Explore nuestra cartera de ofertas de asesoramiento para obtener ayuda autorizada por AWS con la implementación de la solución.

Más información