Use este identificador para citar ou linkar para este item: http://www.monografias.ufop.br/handle/35400000/6830
Título: Estudo sobre Federated Learning : análise da literatura e realização de testes utilizando o Flower.
Autor(es): Borba, Thiago Dornelas
Orientador(es): Silva, Pedro Henrique Lopes
Lima, Joubert de Castro
Membros da banca: Fortes, Reinaldo Silva
Silva, Rodrigo César Pedrosa
Lima, Joubert de Castro
Silva, Pedro Henrique Lopes
Palavras-chave: Federated learning
Machine learning
Distributed machine learning
Flower
Data do documento: 2023
Referência: BORBA, Thiago Dornelas. Estudo sobre Federated Learning: análise da literatura e realização de testes utilizando o Flower. 2023. 61 f. Monografia (Graduação em Ciência da Computação) - Instituto de Ciências Exatas e Biológicas, Universidade Federal de Ouro Preto, Ouro Preto, 2023.
Resumo: Federated Learning (FL) é uma abordagem para diferentes dispositivos treinarem modelos compartilhados de forma colaborativa, sem enviar seus dados para o servidor, apenas rodando um treinamento local no próprio dispositivo, dissociando assim o aprendizado de máquina da necessidade de armazenamento desses dados em larga escala na nuvem. A princípio, o presente trabalho apresenta uma introdução sobre FL, contextualizando seu surgimento. A fim de estabelecer um embasamento teórico, vários tópicos relacionados ao assunto são discutidos, incluindo uma comparação entre Machine Learning (ML), Distributed Machine Learning e FL. Além disso, é feita uma descrição sobre a arquitetura do Flower, uma plataforma de código aberto criado para facilitar o desenvolvimento de soluções baseadas em FL. Foram conduzidos experimentos com essa ferramenta utilizando duas bases de dados, ambas contendo imagens médicas de radiografia de tórax, uma voltada para reconhecimento de COVID-19 e outra para pneumonia. Os resultados desses experimentos foram comparados com os resultados obtidos através de testes utilizando ML centralizado sob as mesmas configurações. Embora os valores de acurácia e perda tenham sido similares, observou-se que o teste FL apresentou um tempo de execução maior, o que evidenciou os custos de comunicação entre cliente e servidor. Todos os experimentos realizados foram cuidadosamente documentados, incluindo as ferramentas e tecnologias utilizadas durante o processo. A principal contribuição dessa pesquisa reside na elaboração de conteúdo introdutório sobre FL, cobrindo tanto os aspectos teóricos quanto práticos da abordagem, incluindo os procedimentos necessários para utilizar o Flower e outras atividades inerentes à ferramenta escolhida.
Resumo em outra língua: Federated Learning (FL) is an approach where different devices collaboratively train shared models without sending their data to the server, only running local training on the device itself, thus dissociating machine learning from the need for large-scale storage of data in the cloud. This paper provides an introduction to Federated Learning, contextualizing its emergence. To establish a theoretical foundation, various topics related to the subject are discussed, including a comparison between Machine Learning (ML), Distributed Machine Learning and FL. In addition, the article provides a description of the Flower architecture, an open-source platform designed to facilitate the development of FL solutions. Experiments were conducted using this tool on two databases containing medical chest X-ray images, one for COVID-19 recognition and the other for pneumonia. The results of these experiments were compared to those obtained through centralized ML tests under the same settings. Although the accuracy and loss values were similar, it was observed that the FL test presented a longer execution time, highlighting the costs of communication between the client and server. All experiments were carefully documented, including the tools and technologies used during the process. The main contribution of this research lies in the development of introductory content on FL, covering both theoretical and practical aspects of the approach, including the necessary procedures for using the Flower platform and other activities inherent to the chosen tool.
URI: http://www.monografias.ufop.br/handle/35400000/6830
Aparece nas coleções:Ciência da Computação

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
MONOGRAFIA_EstudoFederatedLearning.pdf1,54 MBAdobe PDFVisualizar/Abrir


Os itens na BDTCC estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.