Publicação:
Análise de técnicas de redução de amostragem em sistemas de orquestração inteligentes

Página do item simplificado
dc.contributor.advisor1Pasquini, Rafael
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/6428800770934048pt_BR
dc.contributor.referee1Nascimento, Marcelo Zanchetta do
dc.contributor.referee1Latteshttp://lattes.cnpq.br/5800175874658088pt_BR
dc.contributor.referee2Miani, Rodrigo Sanches
dc.contributor.referee2Latteshttp://lattes.cnpq.br/2992074747740327pt_BR
dc.creatorVilarinho, Davi Felipe Ramos de Oliveira
dc.date.accessioned2025-05-13T16:12:20Z
dc.date.available2025-05-13T16:12:20Z
dc.date.issued2025-04-14
dc.description.degreenameTrabalho de Conclusão de Curso (Graduação)pt_BR
dc.description.resumoEste trabalho aborda o desafio da sobrecarga que a quantidade de métricas coletadas e em trânsito pelo monitoramento pode impor em um sistema de orquestração baseado em aprendizado de máquina. São propostas e avaliadas três técnicas capazes de reduzir a frequência de coleta das amostras: eliminação de amostras intermediárias, agregação em janelas com funções e a descrição da distribuição da janela com 8 estatísticas para cada métrica. Os resultados da eliminação de amostras representam a importância da manutenção do equilíbrio da quantidade de características com a de amostras, já que os resultados foram satisfatórios para 128 e 256 segundos apenas quando utilizada seleção de características, mas limitou-se a 16 segundos quando treinado com a integralidade das métricas. A agregação de janelas com funções, entretanto, alcançou boas janelas de até 64 segundos, e, acima deste valor, concluiu-se que o pré-processamento pode alterar negativamente a distribuição das amostras. Por fim, descrever cada métrica em 8 novas estatísticas descritivas pôde alcançar uma janela de até 128 segundos, porém exigiu a utilização de seleção de características dada a alta dimensionalidade, já que, sem a utilização da técnica, as janelas alcançaram 32 segundos satisfatoriamente. Conclui-se que a alta dimensionalidade deve ser acompanhada da adequada quantidade de amostras.pt_BR
dc.identifier.citationVILARINHO, Davi Felipe Ramos de Oliveira. Análise de técnicas de redução de amostragem em sistemas de orquestração inteligentes. 2025. 54 f. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Universidade Federal de Uberlândia, Uberlândia, 2025.pt_BR
dc.identifier.urihttps://repositorio.ufu.br/handle/123456789/45537
dc.languageporpt_BR
dc.orcid.putcode184023005
dc.publisherUniversidade Federal de Uberlândiapt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.courseCiência da Computaçãopt_BR
dc.rightsAcesso Abertopt_BR
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/us/*
dc.sizeorduration54pt_BR
dc.subjectaprendizado de máquinapt_BR
dc.subjectQoSpt_BR
dc.subjectengenharia de característicaspt_BR
dc.subjectmonitoramentopt_BR
dc.subjectvídeopt_BR
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAOpt_BR
dc.titleAnálise de técnicas de redução de amostragem em sistemas de orquestração inteligentespt_BR
dc.title.alternativeAnalysis of downsampling techniques in intelligent orchestration systemspt_BR
dc.typeTrabalho de Conclusão de Cursopt_BR
dspace.entity.typePublication

Arquivos

Pacote original

Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
AnáliseTécnicasRedução.pdf
Tamanho:
7.79 MB
Formato:
Adobe Portable Document Format
Descrição:
TCC
Baixar

Coleções

TCC - Ciência da Computação