Будь ласка, використовуйте цей ідентифікатор, щоб цитувати або посилатися на цей матеріал:
http://elartu.tntu.edu.ua/handle/lib/44854Повний запис метаданих
| Поле DC | Значення | Мова |
|---|---|---|
| dc.contributor.advisor | Кунанець, Наталія Едуардівна | - |
| dc.contributor.author | Липак, Тарас Андрійович | - |
| dc.contributor.author | Lypak, Taras Andriyovych | - |
| dc.date.accessioned | 2024-06-03T13:50:07Z | - |
| dc.date.available | 2024-06-03T13:50:07Z | - |
| dc.date.issued | 2024-05-30 | - |
| dc.date.submitted | 2024-05-16 | - |
| dc.identifier.citation | Липак Т. А. Дослідження перспектив та можливостей застосування штучного інтелекту для збереження культурної спадщини : кваліфікаційна робота на здобуття освітнього ступеня магістр за спеціальністю «122 – Комп’ютерні науки» / Т. А. Липак. – Тернопіль: ТНТУ, 2024. – 88 с. | uk_UA |
| dc.identifier.uri | http://elartu.tntu.edu.ua/handle/lib/44854 | - |
| dc.description.abstract | Кваліфікаційна робота присвячена аналізу перспектив та можливостей застосування штучного інтелекту для збереження культурної спадщини. Розкрито суть понять «культурна спадщина» та «цифрова культурна спадщина». Висвітлено питання довгострокового цифрового збереження спадщини. Проаналізовано стан дослідження питань збереження культурної спадщини за допомогою штучного інтелекту. Досліджено технологічні передумови застосування інноваційних методів в секторі культурної спадщини. Подано аналіз можливостей та викликів застосування ШІ для збереження КС та досліджено актуальні напрями застосування штучного інтелекту в цій сфері. Описано прикладні аспекти застосування окремих методів штучного інтелекту для збереження культурної спадщини. Подано класифікацію алгоритмів машинного навчання, що застосовуються для збереження культурної спадщини, а також досліджено ефективність їх застосування для розпізнавання і порівняння творів мистецтва; для smart-аналізу і класифікації документів; для розробки рекомендаційної системи об'єктів наукової культурної спадщини. Продемонстровано можливості блокчейн-технологій та машинного зору у збереженні культурної спадщини. Thesis is devoted to the analysis of the prospects and possibilities of applying artificial intelligence to preserve cultural heritage.The first chapter of the qualification work reveals the essence of the concepts of "cultural heritage" and "digital cultural heritage". The issues of long-term digital heritage preservation are highlighted. The state of the art of research on cultural heritage preservation using artificial intelligence is analysed. The second chapter of the qualification work explores the technological prerequisites for the application of innovative methods in the cultural heritage sector. The author analyses the opportunities and challenges of using AI to preserve cultural heritage and explores the current areas of application of artificial intelligence in this area. The third chapter of the qualification work describes the applied aspects of the use of certain methods of artificial intelligence for the preservation of cultural heritage. A classification of machine learning algorithms used to preserve cultural heritage is presented, and the effectiveness of their application for recognising and comparing works of art; for smart analysis and classification of documents; for developing a recommendation system for scientific cultural heritage objects is investigated. The possibilities of blockchain technologies and machine vision in the preservation of cultural heritage are demonstrated. | uk_UA |
| dc.description.tableofcontents | Вступ 9 1 АНАЛІЗ АКТУАЛЬНИХ ЗАВДАНЬ ЗБЕРЕЖЕННЯ КУЛЬТУРНОЇ СПАДЩИНИ 12 1.1 Теоретичні аспекти визначення понять «культурна спадщина» та «цифрова культурна спадщина» 12 1.2 Проблематика цифрового збереження спадщини 14 1.2.1 Особливості довгострокового цифрового збереження 14 1.2.2 Питання авторських прав на оцифровану спадщину 17 1.3 Стан дослідження питань збереження культурної спадщини за допомогою ШІ 20 1.4 Висновок до першого розділу 22 2 ДОСЛІДЖЕННЯ МЕТОДІВ ШТУЧНОГО ІНТЕЛЕКТУ ТА МОЖЛИВОСТЕЙ ЇХ ЗАСТОСУВАННЯ В СЕКТОРІ КУЛЬТУРНОЇ СПАДЩИНИ 23 2.1 Технологічні передумови застосування інноваційних методів в секторі культурної спадщини 23 2.2 Можливості та виклики застосування ШІ для збереження культурної спадщини 25 2.2.1 Роль ШІ у створенні та управлінні контентом 25 2.2.2 Етичні питання впливу ШІ на культурне різноманіття 26 2.3 Актуальні напрями застосування ШІ в секторі культурної спадщини 28 2.4 Висновок до другого розділу 33 3 ПРИКЛАДНІ АСПЕКТИ ЗАСТОСУВАННЯ ОКРЕМИХ МЕТОДІВ ШТУЧНОГО ІНТЕЛЕКТУ ДЛЯ ЗБЕРЕЖЕННЯ КУЛЬТУРНОЇ СПАДЩИНИ 34 3.1 Алгоритми машинного навчання в обробці даних КС 34 3.1.1 Класифікація методів машинного навчання 34 3.1.2 Методи машинного навчання для розпізнавання і порівняння творів мистецтва 37 3.1.3 Smart-аналіз документів за допомогою машинного навчання 40 3.1.4 Алгоритми машинного навчання для розробки рекомендаційної системи об'єктів наукової культурної спадщини 43 3.2 Збереження КС за допомогою блокчейн-технологій 46 3.3 Машинний зір і КС 50 3.4 Узагальнення переваг та недоліків використання ШІ в збереженні культурної спадщини 52 3.5 Висновок до третього розділу 57 4 ОХОРОНА ПРАЦІ ТА БЕЗПЕКА В НАДЗВИЧАЙНИХ СИТУАЦІЯХ 58 4.1 Організація охорони праці для працівників музеїв 58 4.2 Сучасні інтелектуальні засоби забезпечення пожежної безпеки в місцях збереження культурної спадщини 62 4.3 Висновок до четвертого розділу 64 Висновки 65 Перелік джерел 67 Додатки | uk_UA |
| dc.language.iso | uk | uk_UA |
| dc.subject | культурна спадщина | uk_UA |
| dc.subject | cultural heritage | uk_UA |
| dc.subject | цифрове збереження | uk_UA |
| dc.subject | digital preservation | uk_UA |
| dc.subject | штучний інтелект | uk_UA |
| dc.subject | artificial intelligence | uk_UA |
| dc.subject | машинне навчання | uk_UA |
| dc.subject | machine learning | uk_UA |
| dc.subject | інтелектуальні системи | uk_UA |
| dc.subject | intelligent systems | uk_UA |
| dc.subject | проривні технології | uk_UA |
| dc.subject | disruptive technologies | uk_UA |
| dc.title | Дослідження перспектив та можливостей застосування штучного інтелекту для збереження культурної спадщини | uk_UA |
| dc.title.alternative | Investigation of prospects and opportunities to use artificial intelligence to preserve cultural heritage | uk_UA |
| dc.type | Master Thesis | uk_UA |
| dc.rights.holder | © Липак Тарас Андрійович, 2024 | uk_UA |
| dc.contributor.committeeMember | Луцик, Надія Степанівна | - |
| dc.coverage.placename | ТНТУ ім. І.Пулюя, ФІС, м. Тернопіль, Україна | uk_UA |
| dc.subject.udc | 004.8 | uk_UA |
| dc.relation.references | 1 UNESCO. Convention Concerning the Protection of the World Cultural and Natural Heritage, http://whc.unesco.org/en/conventiontext Accessed 29 Apr 2024. | uk_UA |
| dc.relation.references | 2 ICCROM. URL: http://www.iccrom.org/. Accessed 25 Apr 2024. | uk_UA |
| dc.relation.references | 3 UNESCO. Convention for the Safeguarding of the Intangible Cultural Heritage. UNESCO meeting in Paris, 2003, https://ich.unesco.org/en/convention, Last accessed 30 Apr 2024. | uk_UA |
| dc.relation.references | 4 Duda, O., Pasichnyk, V., Lypak, H., ...Matsiuk, O., Mudrokha, V. Formation of integrated repositories of social and communication data by consolidating the resources of museums, libraries and archives in smart cities projects. CEUR Workshop Proceedings, 2021, 2870, pp. 1420–1430. http://ceur-ws.org/Vol-2870/paper104.pdf, ISSN 1613-0073. Scopus. | uk_UA |
| dc.relation.references | 5 Sotirova, Kalina, et al. "Digitization of cultural heritage–standards, institutions, initiatives." Access to digital cultural heritage: Innovative applications of automated metadata generation (2012): 23-68. | uk_UA |
| dc.relation.references | 6 Lypak, H., Kunanets, N., Pasichnyk, V., Veretennikova, N. Digitization Project for Historical and Cultural Heritage. 2020 IEEE 15th International Scientific and Technical Conference on Computer Sciences and Information Technologies, CSIT 2020 - Proceedings, 2020, 2, pp. 194–198, 9321993, DOI: 10.1109/CSIT49958.2020.9321993 ISSN 2766-3655 | uk_UA |
| dc.relation.references | 7 Lypak, H., Kunanets, N., Veretennikova, N., Matsiuk, H., Kramar, T., & Duda, O. (2023, October). An Information System Project Using Augmented Reality for a Small Local History Museum. In 2023 IEEE 18th International Conference on Computer Science and Information Technologies (CSIT) (pp. 1-4). IEEE. DOI: 10.1109/CSIT61576.2023.10324194 | uk_UA |
| dc.relation.references | 8 Axes. Audio and Sound Are Everywhere. URL:http://www.axes-project.eu/, Accessed 30 Apr 2024. | uk_UA |
| dc.relation.references | 9 What is Digital Preservation. URL: http://www.digitalpreservationeurope.eu/what-is-digital-preservation/, Accessed 30 Apr 2024. | uk_UA |
| dc.relation.references | 10 Digital Curation Centre. URL: https://www.dcc.ac.uk/digital-curation/what-digital-curation, Accessed 30 Apr 2024. | uk_UA |
| dc.relation.references | 11 Lavoie, Brian, and Lorcan Dempsey. "Thirteen ways of looking at... digital preservation." D-Lib magazine 10.7/8 (2004). | uk_UA |
| dc.relation.references | 12 Digital preservation Europe. URL: https://digitalpreservationeurope.eu/what-is-digital-preservation/#04. Accessed 3 May 2024. | uk_UA |
| dc.relation.references | 13 Verheul, Ingeborg (2006). Networking for Digital Preservation: Current Practice in 15 National Libraries. Munchen: K.G. Saur. | uk_UA |
| dc.relation.references | 14 CCSDS (Consultative Committee for Space Data Systems) (2002). Reference Model for an Open Archival Information System (OAIS). Blue Book, Issue 1. Washington, DC (US): CCSDS Secretariat, January 2002. Technical report. CCSDS 650.0-B-1. Recommendation for Space Data System Standards. Available at: http://public.ccsds.org/publications/archive/650x0b1.pdf | uk_UA |
| dc.relation.references | 15 Research Councils UK (2008). Code of Conduct and Policy on the Governance of Good Research Conduct: Integrity, Clarity, and Good Management. Public Consultation Document. July – October 2008. Available at: http://www.rcuk.ac.uk/cmsweb/downloads/rcuk/reviews/grc/consultation.pdf | uk_UA |
| dc.relation.references | 16 Hockx‐Yu, Helen. "Digital preservation in the context of institutional repositories." Program 40.3 (2006): 232-243. | uk_UA |
| dc.relation.references | 17 Reference Model for an Open Archival Information System (OAIS): Bluebook. Consultative Committee for Space Data Systems, January 2002, 148 p. | uk_UA |
| dc.relation.references | 18 Guss, A. (2020). The digitization of cultural heritage under polish law and policy: Challenges presented by copyright law. Santander Art and Culture Law Review, 6(2), 377-406. | uk_UA |
| dc.relation.references | 19 Horvat, A., & Zivkovic, D. (2010). Copyright issues related to the digitization of cultural heritage in Croatia. In Technological Convergence and Social Networks in Information Management: Second International Symposium on Information Management in a Changing World, IMCW 2010, Ankara, Turkey, September 22-24, 2010. Proceedings 2 (pp. 161-174). Springer Berlin Heidelberg. | uk_UA |
| dc.relation.references | 20 Aplin, T. (2010). A global digital register for the preservation and access to cultural heritage: problems, challenges and possibilities. In Copyright and Cultural Heritage. Edward Elgar Publishing. | uk_UA |
| dc.relation.references | 21 Липак Т. Застосування методів штучного інтелекту в роботі сучасних музеїв / Липак Т. // Ⅵ Міжнародна студентська науково-технічна конференція «Природничі та гуманітарні науки. Актуальні питання», 27-28 квітня 2023. — Т. : ТНТУ, 2023. — С. 160. — (Інформаційні технології). | uk_UA |
| dc.relation.references | 22 Karterouli, K., & Batsaki, Y. (2021, July). AI and Cultural Heritage Image Collections: Opportunities and challenges. In EVA. | uk_UA |
| dc.relation.references | 23 LeCun Y., Bengio Y., and Hinton G. (2015) Deep Learning. Nature, 521 (7553), pp. 436-444. | uk_UA |
| dc.relation.references | 24 Lamas A., Tabik S., Cruz P., Montes R., Martinez-Sevilla A., Cruz T., and Herrera F. (2021) | uk_UA |
| dc.relation.references | 25 Palma, V. (2019) Towards Deep Learning for Architecture: A Monument Recognition Mobile App. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences (XLII-2/W9 2019), Bergamo, Italy, 6-8 February 2019, 551–556. Bergamo. | uk_UA |
| dc.relation.references | 26 Kumar, P., Ofli F., Imran M., and Castillo C. (2020) Detection of Disaster-Affected Cultural Heritage Sites from Social Media Images Using Deep Learning Techniques. Journal on Computing and Cultural Heritage, 13(3), 23. | uk_UA |
| dc.relation.references | 27 Amato G., Falchi F., and Vadicamo L. (2016). Visual Recognition of Ancient Inscriptions Using Convolutional Neural Network and Fisher Vector. Journal on Computing and Cultural Heritage, 9(4), 21. | uk_UA |
| dc.relation.references | 28 Belhi, A., Bouras, A., and S. Foufou (2018) Leveraging Known Data for Missing Label Prediction in Cultural Heritage Context. Applied Sciences, 8(10), 1768. | uk_UA |
| dc.relation.references | 29 Elgammal A., Mazzone M., Liu B., Kim D., and Elhoseiny M. (2018) The Shape of Art History in the Eyes of the Machine. Proceedings of the Thirty-Second AAAI Conference on Artificial Intelligence, New Orleans, Louisiana, USA, February 2-7, 2018. AAAI Press, New Orleans. | uk_UA |
| dc.relation.references | 30 Sandoval C., Pirogova E., and Lech M. (2019). Two-Stage Deep Learning Approach to the Classification of Fine-Art Paintings. IEEE Access, 7, pp. 41770-41781. | uk_UA |
| dc.relation.references | 31 Choi J. (2019) Exploring Art with Open Access and AI: What’s Next? https://www.metmuseum.org/blogs/now-at-the-met/2019/met-microsoft-mit-exploring-art-open-access-ai-whats-next (retrieved 13 March 2024). | uk_UA |
| dc.relation.references | 32 Cordell R. (2020) Machine Learning + Libraries: A Report on the State of the Field. Library of Congress, Washington, D.C. | uk_UA |
| dc.relation.references | 33 Turner A. How many smartphones are in the world? Bankmycell, https://www.bankmycell.com/blog/how-many-phones-are-in-the-world , last accessed on September 17, 2023 | uk_UA |
| dc.relation.references | 34 Internet World Stats. URL: https://www.internetworldstats.com/stats.htm . Accessed 28 Apr 2024. | uk_UA |
| dc.relation.references | 35 World Bank. GDP per capita - World Bank national accounts data. URL: https://data.worldbank.org/indicator/NY.GDP.PCAP.CD?most_recent_value_desc=false . Accessed 28 Mar 2024. | uk_UA |
| dc.relation.references | 36 Ng’wanakilala F. Tanzania internet users hit 23 million; 82 percent go onlinevia phones. Reuters, February 23, 2018, URL: https://www.reuters.com/article/us-tanzania-telecoms/tanzania-internet-users-hit-23-million-82-percent-goonline-via-phones-regulator-idUSKCN1G75F . Accessed 28 Feb 2024. | uk_UA |
| dc.relation.references | 37 Holst A. Replacement cycle length of smartphones in the United States 2014–2023. Oct 11, 2019, Statista, URL: https://www.statista.com/statistics/619788/averagesmartphone-life. Accessed 28 Dec 2021. | uk_UA |
| dc.relation.references | 38 ITU. Internet of Things Global Standards Initiative. URL: https://www.ituint/en/ITU-T/gsi/iot/Pages/defaultaspx . Accessed 28 Dec 2021. | uk_UA |
| dc.relation.references | 39 Allessie D, Sobolewski M., Vaccari L. Blockchain for digital government: an assessment of pioneering implementations in public services. EC Joint Research Centre, Digital Economy Unit, 2019, URL: https://joinup.ec.europa.eu/sites/default/files/document/2019-04/JRC115049%20blockchain%20for%20digital%20government.pdf . Accessed 28 Dec 2023. | uk_UA |
| dc.relation.references | 40 Reyna A, Martín C, Chen J, Soler E, Díaz M. On blockchain and its integration with IoT challenges and opportunities. Future Gener Comput Syst. 2018;88:173–90. URL: https://doi.org/10.016/j.future.2018.05.046 | uk_UA |
| dc.relation.references | 41 Липак Т. А. Застосування методів штучного інтелекту в цифровому збереженні культурної спадщини / Т. А. Липак // Матеріали ⅩⅡ Міжнародної науково-практичної конференції молодих учених та студентів «Актуальні задачі сучасних технологій», 6-7 грудня 2023 року. — Т. : ФОП Паляниця В. А., 2023. — С. 393–394. — (Комп’ютерно-інформаційні технології та системи зв’язку). | uk_UA |
| dc.relation.references | 42 UNESCO Intergovernmental Committee for The Protection and Promotion of the Diversity of Cultural Expressions. Information document, DCE/18/12. IGC/INF.4, 13 November 2018, Paris, URL: https://en.unesco.org/creativity/sites/creativity/files/12igc_inf4_en.pdf. Accessed 28 Dec 2023. | uk_UA |
| dc.relation.references | 43 Липак Г.І., Багрій Р.І., Липак Т.А. Інформаційні технології дослідження, збереження та туристичної презентації історичних пам’яток // Interdisciplinary research: scientific horizons and perspectives: collection of scientific papers «SCIENTIA» with Proceedings of the V International Scientific and Theoretical Conference, May 3, 2024. Bern, Swiss Confederation: International Center of Scientific Research. – c.105. | uk_UA |
| dc.relation.references | 44 The impact of AI on content diversity and cultural sensitivity. URL: https://aicontentfy.com/en/blog/impact-of-ai-on-content-diversity-and-cultural-sensitivity, Last accessed 28 Apr 2024. | uk_UA |
| dc.relation.references | 45 Багрій Р. І., Липак Т. А., Липак Г. І. Методи штучного інтелекту в збереженні об’єктів культурної спадщини // Наукові тренди постіндустріального суспільства: збірник наукових праць з матеріалами VI Міжнародної наукової конференції, м. Івано-Франківськ, 26 квітня, 2024 р. / Міжнародний центр наукових досліджень. — Вінниця: ТОВ «УКРЛОГОС Груп», 2024. — 288 с. DOI 10.62731/mcnd-26.04.2024, ISBN 978-617-8312-26-8 | uk_UA |
| dc.relation.references | 46 Sousa, J. J., Lin, J., Wang, Q., Liu, G., Fan, J., Bai, S., ... & Reis, L. P. (2023). Using machine learning and satellite data from multiple sources to analyze mining, water management, and preservation of cultural heritage. Geo-spatial Information Science, 1-20. | uk_UA |
| dc.relation.references | 47 Russo, M., Eleonora, G., Remondino, F., Simone, T., & Francesco, F. (2021). Machine Learning for Cultural Heritage Classification. DISÉGNO-OPEN ACCESS, 209-213. | uk_UA |
| dc.relation.references | 48 Machine Learning. What it is and why it matters. URL: https://www.sas.com/en_us/insights/analytics/machine-learning.html | uk_UA |
| dc.relation.references | 49 Nafis, F., AL FARARNI, K., YAHYAOUY, A., & AGHOUTANE, B. (2021). An Approach based on Machine Learning Algorithms for the Recommendation of Scientific Cultural Heritage Objects. International Journal of Advanced Computer Science and Applications, 12(5). | uk_UA |
| dc.relation.references | 50 M. Makridis and P. Daras (2013). Automatic classification of archaeological pottery sherds. J. Comput. Cult. Herit. 5(4), 15:21 doi:10.1145/2399180.2399183. | uk_UA |
| dc.relation.references | 51 M. H. Abed, M. Al-Asfoor, et Z. M. Hussain (2020). Architectural Heritage Images Classification Using Deep Learning With CNN. Proceedings of the 2nd International Workshop on Visual Pattern Extraction and Recognition for Cultural Heritage Understanding, Bari, Italy, p. 12. | uk_UA |
| dc.relation.references | 52 When A Machine Learning Algorithm Studied Fine Art Paintings, It Saw Things Art Historians Had Never Noticed. URL: https://medium.com/the-physics-arxiv-blog/when-a-machine-learning-algorithm-studied-fine-art-paintings-it-saw-things-art-historians-had-never-b8e4e7bf7d3e | uk_UA |
| dc.relation.references | 53 Saleh, B., Abe, K., Arora, R. S., & Elgammal, A. (2016). Toward automated discovery of artistic influence. Multimedia Tools and Applications, 75, 3565-3591. | uk_UA |
| dc.relation.references | 54 Kumar, P. (2019). Smart Document Classification Using AI-ML. International Journal of Innovative Research in Computer Science & Technology (IJIRCST) ISSN, 2347-5552. | uk_UA |
| dc.relation.references | 55 Kotiyal, B., Kumar, A., Pant, B., & Goudar, R. H. (2014). Classification technique for improving user access on web log data. In Intelligent Computing, Networking, and Informatics: Proceedings of the International Conference on Advanced Computing, Networking, and Informatics, India, June 2013 (pp. 1089-1097). Springer India. | uk_UA |
| dc.relation.references | 56 Nafis, F., Al Fararni, K., Yahyaouy, A., & Aghoutane, B. (2021). An Approach based on Machine Learning Algorithms for the Recommendation of Scientific Cultural Heritage Objects. International Journal of Advanced Computer Science and Applications, 12(5). | uk_UA |
| dc.relation.references | 57 Trček, D. (2022). Cultural heritage preservation by using blockchain technologies. Heritage science, 10(1), 6. | uk_UA |
| dc.relation.references | 58 Menzies A, Oorschot P, Vanstone S. 1997. Handbook of applied cryptography. Boca Raton: CRC Press. https:// doi. org/ 10. 1201/ 97814 39821 916. | uk_UA |
| dc.relation.references | 59 J. Mitric, I. Radulovic, T. Popovic, Z. Scekic and S. Tinaj, "AI and Computer Vision in Cultural Heritage Preservation," 2024 28th International Conference on Information Technology (IT), Zabljak, Montenegro, 2024, pp. 1-4, doi: 10.1109/IT61232.2024.10475738. | uk_UA |
| dc.relation.references | 60 Fiorucci, M., Khoroshiltseva, M., Pontil, M., Traviglia, A., Del Bue, A., & James, S. (2020). Machine learning for cultural heritage: A survey. Pattern Recognition Letters, 133, 102-108. | uk_UA |
| dc.relation.references | 61 Lamas, J., Lerones P. M., Medina R., Zalama E. and Gómez-García-Bermejo J. (2017) Classification of Architectural Heritage Images Using Deep Learning Techniques. Applied Sciences, 7, 992. | uk_UA |
| dc.relation.references | 62 Основи охорони праці: Підручник. / К. Н. Ткачук, В. В. Зацарний, Д. В. Зеркалов, О. І. Полукаров, В. С. Коз’яков, Л. О. Мітюк, Ю. О. Полукаров, Т. Є. Луц. За ред. К. Н. Ткачука. – К. : Основа, 2014. – 456 с. | uk_UA |
| dc.relation.references | 63 Шевченко В.І. Правові питання охорони праці. Навч. посібник. – Харків: ХНАМГ, 2004. – 184 с. | uk_UA |
| dc.relation.references | 64 Закон України «Про охорону праці» від 21.11.2002р. №229-ІV. 3 | uk_UA |
| dc.relation.references | 65 Наказ Міністерства енергетики та вугільної промисловості України від 19.01.2015 № 18, зареєстровано Міністерстві юстиції України 03 лютого 2015 р. за № 125/26570 Про затвердження Правил охорони праці для працівників музеїв. | uk_UA |
| dc.relation.references | 66 Siemens. Пожежна безпека для історичних будівель і музеїв. URL: https://www.siemens.com/ua/uk/produkty/avtomatyzatsiya-ta-bezpeka-budivel/fokusni-rynky/dlya-istorychnykh-budivel-i-muzeyiv.html | uk_UA |
| dc.relation.references | 67 Siemens. Біла книга SWING. URL: https://sid.siemens.com/v/u/A6V11218603 | uk_UA |
| dc.relation.references | 68 ДБН «Культурно-видовищні та дозвіллєві заклади». URL: https://e-construction.gov.ua/laws_detail/3074791651063890960?doc_type=2 | uk_UA |
| dc.contributor.affiliation | ТНТУ ім. І. Пулюя, Факультет комп’ютерно-інформаційних систем і програмної інженерії, Кафедра комп’ютерних наук, м. Тернопіль, Україна | uk_UA |
| dc.coverage.country | UA | uk_UA |
| Розташовується у зібраннях: | 122 — комп’ютерні науки | |
Файли цього матеріалу:
| Файл | Опис | Розмір | Формат | |
|---|---|---|---|---|
| Mag_2024_SNnm_61_Lypak_T_A.pdf | 7,19 MB | Adobe PDF | Переглянути/відкрити |
Усі матеріали в архіві електронних ресурсів захищені авторським правом, всі права збережені.
Інструменти адміністратора