1. ELARTU — Інституційний репозитарій ТНТУ імені Івана Пулюя
  2. Роботи студентів
  3. Магістр
  4. 122 — комп’ютерні науки
Будь ласка, використовуйте цей ідентифікатор, щоб цитувати або посилатися на цей матеріал: http://elartu.tntu.edu.ua/handle/lib/41156
Повний запис метаданих
Поле DCЗначенняМова
dc.contributor.advisorКунанець, Наталія Едуардівна-
dc.contributor.authorПрийма, Павло Васильович-
dc.contributor.authorPryima, Pavlo Vasylovych-
dc.date.accessioned2023-05-25T11:47:03Z-
dc.date.available2023-05-25T11:47:03Z-
dc.date.issued2023-05-24-
dc.date.submitted2023-05-10-
dc.identifier.citationПрийма П. В. Дослідження засобів та методів машинного навчання для аналітичного опрацювання великих даних : кваліфікаційна робота магістра за спеціальністю „122 – комп’ютерні науки“ / П. В. Прийма. – Тернопіль : ТНТУ, 2023. – 70 с.uk_UA
dc.identifier.urihttp://elartu.tntu.edu.ua/handle/lib/41156-
dc.description.abstractКваліфікаційна робота присв’ячена розробці засобів та методів машинного навчання для аналітичного опрацювання великих даних. В першому розділі кваліфікаційної роботи освітнього рівня «Магістр» описано розвиток наукових досліджень в галузі аналітичного опрацювання великих даних. В комплексі розглянуто Інтернет речей та аналітичне опрацювання великих даних. Описано інформаційно-технологічні IoT-платформи та аналітичне опрацювання великих даних. Досліджено концепцію великих даних та їх аналітичне опрацювання. В другому розділі кваліфікаційної роботи досліджено машинне навчання та аналітичне опрацювання великих даних. Описано методи машинного навчання для аналітичного опрацювання великих даних. Висвітлена методика аналізу літературних джерел щодо засобів та методів машинного навчання для аналітичного опрацювання великих даних. В другому розділі кваліфікаційної роботи досліджено машинне навчання та аналітичне опрацювання великих даних. Описано методи машинного навчання для аналітичного опрацювання великих даних. The qualification work is dedicated to the development of machine learning tools and methods for analytical processing of big data. The first chapter of the qualification work of the Master's level describes the development of scientific research in the field of analytical processing of big data. The Internet of Things and analytical processing of big data are considered in the complex. Information technology IoT platforms and analytical processing of big data are described. The concept of big data and its analytical processing have been studied. In the second section of the qualification work, machine learning and analytical processing of big data were investigated. Machine learning methods for analytical processing of big data are described. The method of analysis of literary sources regarding means and methods of machine learning for analytical processing of big data is highlighted. In the second section of the qualification work, machine learning and analytical processing of big data were investigated. Machine learning methods for analytical processing of big data are described.uk_UA
dc.description.tableofcontentsВСТУП 7 1 СТАН ТА ПЕРСПЕКТИВИ ДОСЛІДЖЕНЬ В ГАЛУЗІ МАШИННОГО НАВЧАННЯ ТА ОПРАЦЮВАННЯ ВЕЛИКИХ ДАНИХ 9 1.1 Розвиток наукових досліджень в галузі аналітичного опрацювання великих даних 9 1.2 Інтернет речей та аналітичне опрацювання великих даних 11 1.3 Інформаційно-технологічні IoT-платформи та аналітичне опрацювання великих даних 13 1.4 Концепція великих даних та їх аналітичне опрацювання 17 1.5 Висновок до першого розділу 25 2 ДОСЛІДЖЕННЯ МАШИННОГО НАВЧАННЯ ТА АНАЛІТИЧНОГО ОПРАЦЮВАННЯ ВЕЛИКИХ ДАНИХ 26 2.1 Машинне навчання та аналітичне опрацювання великих даних 26 2.2 Методи машинного навчання для аналітичного опрацювання великих даних 29 2.3 Методика аналізу літературних джерел щодо засобів та методів машинного навчання для аналітичного опрацювання великих даних 30 2.4 Висновок до другого розділу 36 3 АНАЛІЗ РЕЗУЛЬТАТІВ ДОСЛІДЖЕННЯ МАШИННОГО НАВЧАННЯ ТА АНАЛІТИЧНОГО ОПРАЦЮВАННЯ ВЕЛИКИХ ДАНИХ 37 3.1 Інструменти аналітичного опрацювання великих даних 37 3.2 Результати досліджень в галузі аналітичного опрацювання великих даних 39 3.3 Часовий розподіл наукових публікацій щодо аналітичного опрацювання великих даних 43 3.4 Метрики оцінки, що використовуються в галузі аналітичного опрацювання великих даних 49 3.5 Ключові проблеми аналітичного опрацювання великих даних та перспективи майбутніх досліджень 51 3.6 Висновок до третього розділу 55 4 ОХОРОНА ПРАЦІ ТА БЕЗПЕКА В НАДЗВИЧАЙНИХ СИТУАЦІЯХ 56 4.1 Медичні профілактичні заходи щодо збереження здоров’я та працездатності користувачів комп’ютерів та відеодисплейних терміналів 56 4.2 Організація оповіщення і зв’язку у надзвичайних ситуаціях техногенного та природного характеру 58 ВИСНОВКИ 60 ПЕРЕЛІК ДЖЕРЕЛ 62 ДОДАТКИuk_UA
dc.language.isoukuk_UA
dc.subjectмашинне навчанняuk_UA
dc.subjectmachine learninguk_UA
dc.subjectвеликі даніuk_UA
dc.subjectbig datauk_UA
dc.subjectbig data analyticsuk_UA
dc.subjecthadoopuk_UA
dc.subjectmapreduceuk_UA
dc.titleДослідження засобів та методів машинного навчання для аналітичного опрацювання великих данихuk_UA
dc.title.alternativeResearch of Machine Learning Tools and Methods for Analytical Processing of Big Datauk_UA
dc.typeMaster Thesisuk_UA
dc.rights.holder© Прийма Павло Васильович, 2023uk_UA
dc.contributor.committeeMemberЯцишин, Василь Володимирович-
dc.coverage.placenameТНТУ ім. І.Пулюя, ФІС, м. Тернопіль, Українаuk_UA
dc.subject.udc004.9uk_UA
dc.relation.references1 F. Balali, J. Nouri, A. Nasiri, and T. Zhao, “Data Analytics,” Data Intensive Ind. Asset Manag., pp. 105–113, 2020, doi: 10.1007/978-3-030-35930-0_7.uk_UA
dc.relation.references2 A. Yassine, M. S. Hossain, G. Muhammad, S. Singh, and M. Shamim Hossain, “IoT Big Data Analytics for Smart Homes with Fog and Cloud Computing Smart Meters Big Data View project A Vision System for Date Fruit Harvesting Robot View project IoT Big Data Analytics for Smart Homes with Fog and Cloud Computing”, Future Generation Computer Systems, pp.563-573, 2019, doi: 10.1016/j.future.2018.08.040.uk_UA
dc.relation.references3 Duda, O., Kunanets, N., Martsenko, S., Matsiuk, O., Pasichnyk, V., Building secure Urban information systems based on IoT technologies. CEUR Workshop Proceedings 2623, pp. 317-328. 2020.uk_UA
dc.relation.references4 S. S. Gill, R. C. Arya, G. S. Wander, and R. Buyya, “Fog-Based Smart Healthcare as a Big Data and Cloud Service for Heart Patients Using IoT,” Lecture Notes Data Engineering and Communication Technology, vol. 26, pp. 1376–1383, 2019, doi: 10.1007/978-3-030-03146-6_161.uk_UA
dc.relation.references5 Bodnarchuk I., Duda O., Kharchenko A., Kunanets N., Matsiuk O., Pasichnyk V. Choice method of analytical information-technology platform for projects associated to the smart city class. ICTERI 2020 ICT in Education, Research and Industrial Applications. Integration, Harmonization and Knowledge Transfer Proceedings of the 14th International Conference on ICT in Education, Research and Industrial Applications. Integration, Harmonization and Knowledge Transfer. Volume I: Main Conference р.317-330.uk_UA
dc.relation.references6 M. Chen, J. Yang, L. Hu, M. Shamim Hossain, and G. Muhammad, “Urban Healthcare Big Data System Based on Crowdsourced and Cloud-Based Air Quality Indicators,” IEEE Communications Magazine, vol. 56, no. 11, pp. 14–20, 2018, doi: 10.1109/MCOM.2018.1700571.uk_UA
dc.relation.references7 Duda, O., et al, Selection of Effective Methods of Big Data Analytical Processing in Information Systems of Smart Cities. CEUR Workshop Proceedings 2631, pp. 68-78. 2020.uk_UA
dc.relation.references8 Y. I. Gonzales et al., “The Internet of Things (IoT): An Overview Related papers An overview of t he Int ernet of Things for people with disabilities” vol. 5, pp. 71–82, 2015.uk_UA
dc.relation.references9 Duda O., Matsiuk O., Kunanets N., Pasichnyk V., Rzheuskyi A., Bilak Y., Formation of Hypercubes Based on Data Obtained from Systems of IoT Devices of Urban Resource Networks, International Journal of Sensors, Wireless Communications and Control (2020) 10: 1. ISSN 2210-3287.uk_UA
dc.relation.references10 M. Wu and J. Luo, “Wearable Technology Applications in Healthcare: A Literature Review,” Online J. Nurs. Informatics Contrib., vol. 23, no. 3, pp. 1–10, 2019.uk_UA
dc.relation.references11 Duda, O., Palka, O., Pasichnyk, V., Matsiuk, O., Kunanets, N., & Tabachyshyn, D. (2020, September). Existing City Assessment Systems. In 2020 IEEE 15th International Conference on Computer Sciences and Information Technologies (CSIT) (Vol. 2, pp. 238-241). IEEE.uk_UA
dc.relation.references12 E. Said Mohamed, A. A. Belal, S. Kotb Abd-Elmabod, M. A. El-Shirbeny, A. Gad, and M. B. Zahran, “Smart farming for improving agricultural management,” Egypt. J. Remote Sens. Sp. Sci., vol. 24, no. 3, pp. 971–981, Dec. 2021, doi: 10.1016/J.EJRS.2021.08.007.uk_UA
dc.relation.references13 K. Sharma, D. Anand, M. Sabharwal, P. K. Tiwari, O. Cheikhrouhou, and T. Frikha, “A Disaster Management Framework Using Internet of Things-Based Interconnected Devices,” Math. Probl. Eng., vol. 2021, 2021, doi: 10.1155/2021/9916440.uk_UA
dc.relation.references14 S. N. Swamy, D. Jadhav, and N. Kulkarni, “Security threats in the application layer in IOT applications,” Proceedings of International Conference on IoT Soc. Mobile, Analytics and Cloud, I-SMAC 2017, pp. 477–480, Oct. 2017, doi: 10.1109/I-SMAC.2017.8058395.uk_UA
dc.relation.references15 N. M. Kumar and P. K. Mallick, “The Internet of Things: Insights into the building blocks, component interactions, and architecture layers,” in Procedia Computer Science, vol. 132, pp. 109–117, 2018 doi: 10.1016/j.procs.2018.05.170.uk_UA
dc.relation.references16 L. Nastase, “Security in the Internet of Things: A Survey on Application Layer Protocols,” in Proceedings - 2017 21st International Conference on Control Systems and Computer, CSCS 2017, pp. 659–666, 2017, doi: 10.1109/CSCS.2017.101.uk_UA
dc.relation.references17 L. Oliveira, J. J. P. C. Rodrigues, S. A. Kozlov, R. A. L. Rabêlo, and V. H. C. De Albuquerque, “MAC layer protocols for internet of things: A survey,” Futur. Internet, vol. 11, no. 1, pp. 1–42, 2019, doi: 10.3390/fi11010016.uk_UA
dc.relation.references18 P. Desai, A. Sheth, and P. Anantharam, “Semantic Gateway as a Service Architecture for IoT Interoperability,” in Proceedings - 2015 IEEE 3rd International Conference on Mobile Services, MS 2015, pp. 313–319, 2015, doi: 10.1109/MobServ.2015.51.uk_UA
dc.relation.references19 J. Zakir, T. Seymour, and K. Berg, Big data analytics, Issues Inf. Syst., vol. 16, no. 2, pp. 81–90, 2015.uk_UA
dc.relation.references20 R. Raja, I. Mukherjee, and B. K. Sarkar, A systematic review of healthcare big data, Sci. Program., vol. 2020, p. 5471849, 2020.uk_UA
dc.relation.references21 R. H. Hariri, E. M. Fredericks, and K. M. Bowers, “Uncertainty in big data analytics: survey, opportunities, and challenges,” J. Big Data, vol. 6, no. 1, 2019, doi: 10.1186/s40537-019-0206-3.uk_UA
dc.relation.references22 I. K. Nti, A. F. Adekoya, and B. A. Weyori, A comprehensive evaluation of ensemble learning for stockmarket prediction, J. Big Data, vol. 7, no. 1, p. 20, 2020.uk_UA
dc.relation.references23 K. Vassakis, E. Petrakis, and I. Kopanakis, “Big data analytics: Applications, prospects and challenges,” in Lecture Notes on Data Engineering and Communications Technologies, vol. 10, pp. 3–20, 2018.uk_UA
dc.relation.references24 A. Gandomi and M. Haider, “Beyond the hype: Big data concepts, methods, and analytics,” International Journa of Information Management, vol. 35, no. 2, pp. 137–144, Apr. 2015, doi: 10.1016/J.IJINFOMGT.2014.10.007.uk_UA
dc.relation.references25 P. Russom, Introduction to big data analytics, https://vivomente.com/wp-content/uploads/2016/04/bigdata-analytics-white-paper.pdf, 2011.uk_UA
dc.relation.references26 Z. H. Sun, L. Z. Sun, and K. Strang, Big data analytics services for enhancing business intelligence, J. Comput. Inf. Syst., vol. 58, no. 2, pp. 162–169, 2018.uk_UA
dc.relation.references27 T. T. Le, W. X. Fu, and J. H. Moore, Scaling tree-based automated machine learning to biomedical big data with a feature set selector, Bioinformatics, vol. 36, no. 1, pp. 250–256, 2020.uk_UA
dc.relation.references28 B. Aragona and R. De Rosa, Big data in policy making, Math. Popul. Stud., vol. 26, no. 2, pp. 107–113, 2019.uk_UA
dc.relation.references29 A. Holst, Amount of information globally 2010–2024, https://www.statista.com/statistics/871513/worldwidedata-created/, 2020.uk_UA
dc.relation.references30 B. K. Sarkar, Big data for secure healthcare system: A conceptual design, Complex Intell. Syst., vol. 3, no. 2, pp. 133–151, 2017.uk_UA
dc.relation.references31 G. Kaur, P. Tomar, and P. Singh, Design of cloud-based green IoT architecture for smart cities, in Internet of Things and Big Data Analytics Toward Next-Generation Intelligence, N. Dey, A. E. Hassanien, C. Bhatt, A. S. Ashour, and S. C. Satapathy, eds. Cham, Germany: Springer, 2018, pp. 315–333.uk_UA
dc.relation.references32 K. Shafique, B. A. Khawaja, F. Sabir, S. Qazi, and M. Mustaqim, “Internet of things (IoT) for next-generation smart systems: A review of current challenges, future trends and prospects for emerging 5G-IoT Scenarios,” IEEE Access, vol. 8, pp. 23022–23040, 2020, doi: 10.1109/ACCESS.2020.2970118.uk_UA
dc.relation.references33 I. Cisco Systems, “Cisco Visual Networking Index: Forecast and Trends, 2017–2022 White Paper,” Cisco Forecast Methodol., pp. 2017–2022, 2019.uk_UA
dc.relation.references34 K. Y. Ngiam and I. W. Khor, Big data and machine learning algorithms for health-care delivery, Lancet Oncol., vol. 20, no. 5, pp. e262–e273, 2019.uk_UA
dc.relation.references35 J. F. Qiu, Q. H. Wu, G. R. Ding, Y. H. Xu, and S. Feng, A survey of machine learning for big data processing, EURASIP J. Adv. Signal Process., vol. 2016, no. 1, pp. 67, 2016.uk_UA
dc.relation.references36 B. Ale, Risk analysis and big data, Saf. Reliab., vol. 36, no. 3, pp. 153–165, 2016.uk_UA
dc.relation.references37 O. Y. Al-Jarrah, P. D. Yoo, S. Muhaidat, G. K. Karagiannidis, and K. Taha, Efficient machine learning for big data: A review, Big Data Res., vol. 2, no. 3, pp. 87–93, 2015.uk_UA
dc.relation.references38 D. Z. Chong and H. Shi, Big data analytics: A literature review, J. Manag. Anal., vol. 2, no. 3, pp. 175–201, 2015.uk_UA
dc.relation.references39 L. Collins, Mini literature review: A new type of literature review article, https://www.emeraldgroup publishing.com/archived/products/journals/call for papers. htm%3Fid%3D5730, 2021.uk_UA
dc.relation.references40 Nti, Isaac Kofi, et al. "A mini-review of machine learning in big data analytics: Applications, challenges, and prospects." Big Data Mining and Analytics 5.2 (2022): 81-97.uk_UA
dc.relation.references41 Amandeep Singh, K., and T. V. Ananthan. "Research Challenges on Big Internet of Things Data Analytics." Journal of Computational and Theoretical Nanoscience 16.5-6 (2019): 2113-2116.uk_UA
dc.relation.references42 N. Akhtar, F. Parwej, and Y. Perwej, “A Perusal of Big Data Classification and Hadoop Technology ” Science and Education, vol. 4, no. 1, pp. 26–38, 2017, doi: 10.12691/iteces-4-1-4.uk_UA
dc.relation.references43 M. Assefi, E. Behravesh, G. Liu, and A. P. Tafti, “Big data machine learning using apache spark MLlib,” in Proceedings - 2017 IEEE International Conference on Big Data, Big Data 2017, vol. 2018–Janua, pp. 3492–3498, 2017, doi: 10.1109/BigData.2017.8258338.uk_UA
dc.relation.references44 E. G. Caldarola and A. M. Rinaldi, “Big data: A survey: The new paradigms, methodologies and tools,” in DATA 2015 - 4th International Conference on Data Management Technologies and Applications, Proceedings, pp. 362–370, 2015, doi: 10.5220/0005580103620370.uk_UA
dc.relation.references45 A. MadhaviLatha and G. V Kumar, “Streaming data analysis using apache cassandra and zeppelin,” IJISET-International Journal of Innovative Science, Engineering & Technology, vol. 3, no.10, 2016.uk_UA
dc.relation.references46 L. Nair, L. Nair, S. Shetty, and S. Shetty, “Interactive visual analytics on Big Data: Tableau vs D3.js,” Journal of e-Learning and Knowledge Society, vol. 12, no. 4, 2016.uk_UA
dc.relation.references47 C. Choi, J. Kim, J. Kim, D. Kim, Y. Bae, and H. S. Kim, Development of heavy rain damage prediction model using machine learning based on big data, Adv. Meteorol., vol. 2018, p. 5024930, 2018.uk_UA
dc.relation.references48 N. Ahmed, A. L. C. Barczak, T. Susnjak, and M. A. Rashid, A comprehensive performance analysis of Apache Hadoop and Apache Spark for large scale data sets using HiBench, J. Big Data, vol. 7, no. 1, p. 110, 2020.uk_UA
dc.relation.references49 W. Gu, K. Foster, J. Shang, and L. R. Wei, A gamepredicting expert system using big data and machine learning, Expert Syst. Appl., vol. 130, pp. 293–305, 2019.uk_UA
dc.relation.references50 K. P. Zhu, G. C. Li, and Y. Zhang, Big data oriented smart tool condition monitoring system, IEEE Trans. Ind. Inform., vol. 16, no. 6, pp. 4007–4016, 2020.uk_UA
dc.relation.references51 A. Bousdekis, N. Papageorgiou, B. Magoutas, D. Apostolou, and G. Mentzas, Sensor-driven learning of time-dependent parameters for prescriptive analytics, IEEE Access, vol. 8, pp. 92383–92392, 2020.uk_UA
dc.relation.references52 B. Cleland, J. Wallace, R. Bond, M. Black, M. Mulvenna, D. Rankin, and A. Tanney, Insights into antidepressant prescribing using open health data, Big Data Res., vol. 12, pp. 41–48, 2018.uk_UA
dc.relation.references53 M. Giacalone, C. Cusatelli, and V. Santarcangelo, Big data compliance for innovative clinical models, Big Data Res., vol. 12, pp. 35–40, 2018.uk_UA
dc.relation.references54 K. A. Jallad, M. Aljnidi, and M. S. Desouki, Anomaly detection optimization using big data and deep learning to reduce false-positive, J. Big Data, vol. 7, no. 1, p. 68, 2020.uk_UA
dc.relation.references55 F. Celli, F. Cumbo, and E. Weitschek, Classification of large DNA methylation datasets for identifying cancer drivers, Big Data Res., vol. 13, pp. 21–28, 2018.uk_UA
dc.relation.references56 D. Chrimes and H. Zamani, Using distributed data over HBase in big data analytics platform for clinical services, Comput. Math. Methods Med., vol. 2017, p. 6120820, 2017.uk_UA
dc.relation.references57 L. Gu and H. Li, Memory or time: Performance evaluation for iterative operation on hadoop and spark, in Proc. 10th Int. Conf. High Performance Computing and Communications & 2013 IEEE Int. Conf. Embedded and Ubiquitous Computing, Zhangjiajie, China, 2013, pp. 721–727.uk_UA
dc.relation.references58 Y. Samadi, M. Zbakh, and C. Tadonki, Performance comparison between Hadoop and Spark frameworks using HiBench benchmarks, Concurr. Comput.: Pract. Exp. vol. 30, no. 12, p. e4367, 2018.uk_UA
dc.relation.references59 M. Chen, Y. X. Hao, K. Hwang, L. Wang, and L. Wang, Disease prediction by machine learning over big data from healthcare communities, IEEE Access, vol. 5, pp. 8869–8879, 2017.uk_UA
dc.relation.references60 D. Nallaperuma, R. Nawaratne, T. Bandaragoda, A. Adikari, S. Nguyen, T. Kempitiya, D. De Silva, D. Alahakoon, and D. Pothuhera, Online incremental machine learning platform for big data-driven smart traffic management, IEEE Trans. Intell. Transp. Syst., vol. 20, no. 12, pp. 4679–4690, 2019.uk_UA
dc.relation.references61 A. Fonseca and B. Cabral, Prototyping a GPGPU neural network for deep-learning big data analysis, Big Data Res., vol. 8, pp. 50–56, 2017.uk_UA
dc.relation.references62 S. Srivastava, Top 10 countries & regions leading the big data adoption in 2019, https://www.analyticsinsight. net/top-10-countries-regions-leading-the-big-data-adoption-in-2019/, 2020.uk_UA
dc.relation.references63 H. Cai, B. Xu, L. Jiang, and A. V. Vasilakos, “IoT-Based Big Data Storage Systems in Cloud Computing: Perspectives and Challenges,” IEEE Internet of Things Journal, vol. 4, no. 1, pp. 75–87, Feb. 2017, doi: 10.1109/JIOT.2016.2619369.uk_UA
dc.relation.references64 A. K. U. Haq, A. Khattak, N. Jamil, M. A. Naeem, and F. Mirza, Data analytics in mental healthcare, Sci. Program., vol. 2020, p. 2024160, 2020.uk_UA
dc.relation.references65 Y. Samadi, M. Zbakh, and C. Tadonki, Comparative study between Hadoop and Spark based on Hibench benchmarks, in Proc. 2nd Int. Conf. Cloud Computing Technologies and Applications, Marrakech, Morocco, 2016, pp. 267–275.uk_UA
dc.relation.references66 C. W. Tsai, C. F. Lai, H. C. Chao, and A. V. Vasilakos, Big data analytics: A survey, J. Big Data, vol. 2, no. 1, p. 21, 2015.uk_UA
dc.relation.references67 R. J. Dalton, The potential of big data for the crossnational study of political behavior, Int. J. Sociol., vol. 46, no. 1, pp. 8–20, 2016.uk_UA
dc.relation.references68 Y. He, F. R. Yu, N. Zhao, H. X. Yin, H. P. Yao, and R. C. Qiu, Big data analytics in mobile cellular networks, IEEE Access, vol. 4, pp. 1985–1996, 2016.uk_UA
dc.relation.references69 M. Y. Li, Z. Q. Liu, X. H. Shi, and H. Jin, ATCS: Auto-tuning configurations of big data frameworks based on generative adversarial nets, IEEE Access, vol. 8, pp. 50485–50496, 2020.uk_UA
dc.relation.references70 M. Khan, Z. W. Huang, M. Z. Li, G. A. Taylor, P. M. Ashton, and M. Khan, Optimizing hadoop performance for big data analytics in smart grid, Math. Probl. Eng., vol. 2017, p. 2198262, 2017.uk_UA
dc.relation.references71 M. Shahbaz, C. Y. Gao, L. L. Zhai, F. Shahzad, and M. R. Arshad, Moderating effects of gender and resistance to change on the adoption of big data analytics in healthcare, Complexity, vol. 2020, p. 2173765, 2020.uk_UA
dc.relation.references72 Основні правила дотримання охорони праці при роботі на персональних ЕОМ. URL: https://www.victorija.ua/dovidnik/osnovni-pravyla-dotrymannya-ohorony-pratsi-pry-roboti-na-personalnyh-eom.html.uk_UA
dc.relation.references73 КУРС ЛЕКЦІЙ. ОХОРОНА ПРАЦІ В ГАЛУЗІ. URL: https://www.uzhnu.edu.ua/uk/infocentre/get/36621.uk_UA
dc.relation.references74 Постанова Кабінету Міністрів України від 27.09.2017 № 733 «Про затвердження Положення про організацію оповіщення про загрозу виникнення або виникнення надзвичайних ситуацій та зв’язку у сфері цивільного захисту». URL: https://zakon.rada.gov.ua/laws/show/733-2017-%D0%BF#Text.uk_UA
dc.relation.references75 Організація оповіщення і зв'язку. URL: https://guns.odessa.gov.ua/guns-opovwennya-naselennya/organ-zac-ya-opov-wennya-zv-yazku/uk_UA
dc.contributor.affiliationТНТУ ім. І. Пулюя, Факультет комп’ютерно-інформаційних систем і програмної інженерії, Кафедра комп’ютерних наук, м. Тернопіль, Українаuk_UA
dc.coverage.countryUAuk_UA
Розташовується у зібраннях:122 — комп’ютерні науки

Файли цього матеріалу:
Файл Опис РозмірФормат 
Pryima_P_V.pdf2,19 MBAdobe PDFПереглянути/відкрити
Показати базовий опис матеріалу Перегляд статистики


Усі матеріали в архіві електронних ресурсів захищені авторським правом, всі права збережені.

Інструменти адміністратора