El Proyecto de Asociación de Tercera Generación (3GPP) y la Unión Internacional de Telecomunicaciones (UIT) identificaron los requisitos técnicos que la quinta generación de redes de comunicaciones móviles (5G) debía cumplir; dentro de estos parámetros se encuentran los siguientes: una mejor tasa de datos y un mayor número de usuarios conectados simultáneamente. 5G utiliza acceso múltiple no ortogonal (NOMA) para aumentar el número de usuarios conectados simultáneamente, y mediante la codificación de datos es posible aumentar la eficiencia espectral (SE). En este trabajo, se utilizan ocho códigos para transmitir tres bits simultáneamente utilizando Acceso Múltiple de Código Escaso (SCMA), y a través de la descomposición de valores singulares (SVD) se optimiza la distancia euclidiana entre puntos de constelación. Por otro lado, las aplicaciones de inteligencia artificial e inteligencia artificial en sistemas de comunicación 5G y más allá todavía se están desarrollando; en este sentido, en este trabajo proponemos utilizar el aprendizaje automático para detectar y decodificar los códigos SCMA utilizando redes neuronales. Este artículo se centra en el Caso de Uso de banda ancha móvil mejorada (eMBB), donde se requieren mayores tasas de datos, con un gran número de usuarios conectados y baja movilidad. Los resultados de la simulación muestran que es posible transmitir tres bits simultáneamente con una baja tasa de error de bits (BER) utilizando SVD-SCMA en el canal ascendente. Nuestros resultados de simulación se compararon con métodos recientes que utilizan modulación espacial (SM) y matrices de antenas para aumentar la eficiencia espectral. En condiciones adversas de Relación Señal-Ruido (SNR), nuestra propuesta funciona mejor que SM, y no se necesitan matrices de antenas para la transmisión o recepción.