À quoi sert l'implémentation des solution AWS ?

La solution Machine Learning for Telecommunication déploie une architecture évolutive et personnalisable de Machine Learning, qui fournit un cadre de processus de ML de bout en bout comprenant l'exploration de données ad hoc, le traitement de données et l'ingénierie de caractéristiques, ainsi que l'entraînement et l'évaluation de modèles.

Elle inclut également un ensemble de données IPDR (IP Data Record, enregistrement de données IP) de télécommunication synthétique pour expliquer comment utiliser des algorithmes de Machine Learning pour tester et former des modèles en vue d'une analyse prédictive en télécommunication. Vous pouvez utiliser les blocs-notes Jupyter inclus comme point de départ pour développer vos propres modèles de Machine Learning et personnaliser les blocs-notes inclus pour votre propre cas d'utilisation.

Présentation de l'implémentation des solution AWS

La solution Machine Learning for Telecommunication aide à l'implémentation d'un cadre de processus de Machine Learning de bout en bout sur le Cloud AWS en utilisant un bloc-note Jupyter, une application Web open source de création et de partage de code, d'équations, de visualisations et de texte narratif en direct. Le diagramme ci-dessous présente l'architecture que vous pouvez déployer en quelques minutes à l'aide du guide d'implémentation de la solution et du modèle AWS CloudFormation fourni.

Machine Learning for Telecommunication | Diagramme d'architecture
 Cliquez pour agrandir

Architecture Machine Learning for Telecommunication

Un compartiment Amazon Simple Storage Service (Amazon S3) inclut un ensemble de données IPDR (IP Data Record, enregistrement de données IP), une tâche AWS Glue convertit les ensembles de données et une instance Amazon SageMaker inclut des blocs-notes Jupyter de Machine Learning (ML).

Cette solution intègre les données du compartiment Amazon S3 dans le cluster Amazon SageMaker et exécute les blocs-notes Jupyter sur l'ensemble de données.

Les blocs-notes assurent le prétraitement des données, extraient les caractéristiques et distinguent les données d'entraînement et de test. Amazon S3 Select lie les données compressées Parquet qui ont été traitées par la tâche AWS Glue. Les algorithmes de ML traitent l'ensemble de données d'entraînement pour développer un modèle d'identification et de prédiction des anomalies.

Machine Learning for Telecommunication

Version 1.1.1
Dernière mise à jour : 12/2019
Auteur : AWS

Temps de déploiement estimé : 5 min

Utilisez le bouton ci-dessous pour vous abonner aux mises à jour de la solution.

Remarque : pour vous abonner aux mises à jour RSS, vous devez activer un plug-in RSS pour le navigateur que vous utilisez.  

Caractéristiques

Implémentation de référence Machine Learning for Telecommunication

Tirez parti de la solution Machine Learning for Telecommunication telle qu'elle vous est fournie ou comme implémentation de référence pour la construction de votre propre solution de machine learning.

Ensemble de données synthétique pour l'entraînement

Cette solution inclut des ensembles de données IPDR (IP Data Record, enregistrement de données IP) aux formats Abstract Syntax Notation One (ASN.1) et call detail record (CDR).
Icône Créer
Déployer vous-même votre solution

Parcourez notre bibliothèque des implémentations des solutions AWS pour obtenir des réponses aux problèmes d'architecture courants.

En savoir plus 
Rechercher un partenaire APN
Rechercher un partenaire APN

Trouvez des partenaires consultants et technologiques certifiés AWS pour vous aider à commencer.

En savoir plus 
Icône Explorer
Explorer les offres de conseil pour les solutions AWS

Parcourez notre portefeuille d'offres de conseil pour obtenir une aide approuvée AWS au déploiement de solutions.

En savoir plus