Aplicando federated learning em um sistema de agendamento de serviços com atendimento em domicílio

Página do item simplificado
dc.contributor.advisorMenezes, Mario Olimpio de
dc.contributor.authorVazquez, Guilherme Herbst
dc.date.accessioned2022-08-22T13:53:19Z
dc.date.available2022-08-22T13:53:19Z
dc.date.issued2022-06
dc.description.abstractNeste 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.pt_BR
dc.description.abstractIn 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.pt_BR
dc.identifier.urihttps://dspace.mackenzie.br/handle/10899/30530
dc.languagept_BRpt_BR
dc.publisherUniversidade Presbiteriana Mackenziept_BR
dc.rightsAttribution-NonCommercial-NoDerivs 3.0 Brazil*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/br/*
dc.subjectSão Paulopt_BR
dc.subjectatendimento em domicíliopt_BR
dc.subjectregressão linearpt_BR
dc.subjectSão Paulopt_BR
dc.subjecthome servicept_BR
dc.subjectlinear regressionpt_BR
dc.titleAplicando federated learning em um sistema de agendamento de serviços com atendimento em domicíliopt_BR
dc.typeTCCpt_BR
local.publisher.departmentFaculdade de Computação e Informática (FCI)pt_BR
Arquivos
Pacote Original
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
Guilherme Herbst Vasquez....pdf
Tamanho:
669.61 KB
Formato:
Adobe Portable Document Format
Descrição:
Guilherme Herbst Vasquez
Baixar
Licença do Pacote
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
license.txt
Tamanho:
1.95 KB
Formato:
Item-specific license agreed upon to submission
Descrição:
Baixar
Coleções
Ciência da Computação - TCC - FCI Higienópolis