Aplicando federated learning em um sistema de agendamento de serviços com atendimento em domicílio
Carregando...
Tipo
TCC
Data de publicação
2022-06
Periódico
Citações (Scopus)
Autores
Vazquez, Guilherme Herbst
Orientador
Menezes, Mario Olimpio de
Título da Revista
ISSN da Revista
Título de Volume
Membros da banca
Programa
Resumo
Neste estudo foram aplicadas e comparadas as técnicas de
Regressão Linear centralizada e Federated Learning (FL) para previsão de
tempos de deslocamento na cidade de São Paulo, com o objetivo de aumentar
a eficácia dos modelos e verificar as vantagens e desvantagens do uso de FL
em um sistema de agendamento de serviços com atendimento em domicílio, em
comparação à Regressão Linear. Foi concluído que FL é uma opção viável
para o sistema do estudo e que os resultados de acurácia estão relacionados à
disposição de pontos de localização na área de cobertura e tamanho da base
de dados de treino.
In this study centralized Linear Regression and Federated Learning (FL) techniques were applied and compared in order to predict route times in the city of São Paulo, and the objective was the improvement of models efficacy and also understand the advantages and disadvantages of using FL in a home-service scheduling system, in comparison to Linear Regression. It was concluded that FL is a viable option for this study system and that the accuracy results are related to location points distribution in coverage area, and training dataset size.
In this study centralized Linear Regression and Federated Learning (FL) techniques were applied and compared in order to predict route times in the city of São Paulo, and the objective was the improvement of models efficacy and also understand the advantages and disadvantages of using FL in a home-service scheduling system, in comparison to Linear Regression. It was concluded that FL is a viable option for this study system and that the accuracy results are related to location points distribution in coverage area, and training dataset size.
Descrição
Palavras-chave
São Paulo , atendimento em domicílio , regressão linear , São Paulo , home service , linear regression