Add locimend training description

Dissertation.org

@@ -338,6 +338,19 @@ El objetivo de este proyecto es crear un modelo que pueda inferir la secuencia c
 - Biopython: manipulación de secuencias ómicas cite:Cock_2009
 
 *** Funcionalidades
+
+El entrenamiento del modelo se realiza, a partir de 2 archivos FASTQ, en diferentes pasos:
+
+1. Lectura de ambos archivos FASTQ, secuencia de CDR3 correcta y secuencia de CDR3 con errores, a la vez para obtener las /features/ y el /label/ a la vez
+2. Alineamiento de la secuencia correcta y de la secuencia con errores, para obtener entradas de la misma longitud
+3. Codificación basada en el índice de las secuencias de ADN, para obtener secuencias numéricas
+4. Conversión de las secuencias numéricas al formato binario TFRecord (basado en /Protocol Buffers/)
+5. Separación y almacenamiento del /dataset/ en conjunto de entrenamiento, validación y test
+6. Lectura paralela de los conjuntos del /dataset/
+7. /One-hot encoding/ de las secuencias numéricas, las cuales representan las secuencias de ADN
+8. Entrenamiento del algoritmo de /Deep Learning/, con los datos preprocesados
+9. Obtención de las métricas que miden el rendimiento del modelo
+
 ** Reproducibilidad
 * Resultados
 * Conclusiones