¿Qué se logra con esta implementación de soluciones de AWS?
Machine Learning for Telecommunication implementa una arquitectura de aprendizaje automático escalable y personalizable que proporciona un marco para cargas de trabajo de aprendizaje automático integral para usar en casos de uso de telecomunicaciones. Esta solución simplifica el proceso de exploración de datos ad hoc, procesamiento de datos y diseño de características, y la creación de modelos de aprendizaje automático incluida la capacitación, la evaluación y la realización de predicciones mediante la implementación del modelo en un punto de enlace.
La solución también incluye un conjunto de datos de registro de datos de IP (IPDR) para telecomunicaciones sintéticas para mostrar cómo se usan los algoritmos de aprendizaje automático a los fines de probar y entrenar modelos para el análisis predictivo en el área de las telecomunicaciones. Puede utilizar los blocs de notas de Jupyter como punto de partida para hacer su propia investigación de inteligencia artificial para desarrollar sus propios modelos de aprendizaje automático personalizados. O bien, puede adaptar los blocs de notas de Jupyter incluidos a su caso de uso particular.
Información general sobre la implementación de soluciones de AWS
La solución de Machine Learning for Telecommunication facilita la implementación de un marco para un proceso de aprendizaje automático (ML) integral en la nube de AWS. Para ello, utiliza un bloc de notas Jupyter, una aplicación web de código abierto para crear y compartir texto narrativo, visualizaciones, ecuaciones y código en directo. En el siguiente esquema se muestra la arquitectura que puede crear en minutos mediante la utilización de la guía de implementación de la solución y la plantilla de AWS CloudFormation correspondiente.

Arquitectura de la solución Machine Learning for Telecommunication
Un bucket de Amazon Simple Storage Service (Amazon S3) incluye un conjunto de datos de registro de datos de IP (IPDR) sintético, un trabajo de AWS Glue convierte los conjuntos de datos y una instancia de Amazon SageMaker incluye los blocs de notas de Jupyter de aprendizaje automático (ML).
La solución incorpora datos del bucket de 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 dividen los datos 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
Tiempo estimado de implementación: 5 minutos
Recursos de implementación
Nota: Para suscribirse a las actualizaciones de RSS, debe disponer de un complemento de RSS habilitado para el navegador que utilice.
Características
Implementación de referencia de Machine Learning for Telecommunication
Conjunto de datos sintético para el entrenamiento

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

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

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