1. Repositório Institucional - Universidade Federal de Uberlândia
  2. Faculdade de Computação (FACOM)
  3. TCC - Ciência da Computação
Por favor, use este identificador para citar o enlazar este ítem: https://repositorio.ufu.br/handle/123456789/45537
Registro completo de metadatos
Campo DCValorLengua/Idioma
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.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.publisherUniversidade Federal de Uberlândiapt_BR
dc.rightsAcesso Abertopt_BR
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/us/*
dc.subjectaprendizado de máquinapt_BR
dc.subjectQoSpt_BR
dc.subjectengenharia de característicaspt_BR
dc.subjectmonitoramentopt_BR
dc.subjectvídeopt_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
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.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.publisher.countryBrasilpt_BR
dc.publisher.courseCiência da Computaçãopt_BR
dc.sizeorduration54pt_BR
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAOpt_BR
dc.orcid.putcode184023005-
Aparece en las colecciones:TCC - Ciência da Computação

Ficheros en este ítem:
Fichero Descripción TamañoFormato 
AnáliseTécnicasRedução.pdfTCC7.97 MBAdobe PDFVista previa
Visualizar/Abrir
Mostrar el registro sencillo del ítem


Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons