Título do Projeto: Implementação de Aprendizado Federado em Aplicações de IoT com Séries Temporais

O aprendizado federado (Federated Learning – FL) é uma abordagem de machine learning que permite o treinamento de modelos em dispositivos distribuídos, como sensores IoT, sem a necessidade de centralizar os dados. Isso é especialmente relevante para aplicações de IoT que lidam com séries temporais, onde a privacidade dos dados e a eficiência computacional são cruciais.

Com o aumento da quantidade de dispositivos IoT gerando dados em tempo real, surge a necessidade de métodos de aprendizado de máquina que preservem a privacidade dos dados e sejam eficientes. O aprendizado federado aborda essas questões, tornando-se uma solução promissora para aplicações IoT com séries temporais.

Desenvolver e implementar um sistema de aprendizado federado aplicado a dispositivos IoT que lidam com séries temporais, avaliando sua eficácia e desempenho.

Objetivos Específicos:

• Estudar os conceitos de aprendizado federado e séries temporais.
• Desenvolver um modelo de machine learning para séries temporais.
• Implementar o aprendizado federado em uma rede de dispositivos IoT.
• Avaliar o desempenho e a eficácia do sistema implementado.
• Documentar todo o processo e os resultados obtidos.