Музей основан в 1891 г. Его организаторами и заведующими (тогда их называли консерваторами, то есть хранителями) были политссыльные. С мая 1915 г. до Февральской революции 1917 г. музеем ведал Ем. Ярославский. Он многое сделал для музея: систематизировал, обрабатывал и определял экспонаты, пополнял коллекции, завел научные описи, давал объяснения посетителям. В 1940 г. музей был преобразован в краеведческий тремя основными, обязательными отделами: природы, истории, дореволюционного прошлого и истории советского общества. Такая структура сохранилась до сих пор. В 1978 г. проведена централизация музейной сети республики, был образован Якутский государственный объединенный музей истории и культуры народов Севера имени Ем. Ярославского. В настоящее время музей имеет 18 филиалов. В фондах музея хранятся около 140 тыс. экспонатов

4-16 июля 2008 года в рамках IY Международных спортивных игр "Дети Азии" впервые в Республике Саха (Якутия), успешно состоялся Международный фестиваль "Встреча шедевров устного и нематериального культурного наследия человечества ЮНЕСКО на земле Олонхо".

В статье рассматривается задача обработки текста с помощью нейронных сетей для определения авторства. Актуальность данной темы обусловлена возрастающей ролью искусственного интеллекта в различных сферах, в том числе в области обработки естественного языка. Представлен практический пример реализации нейросетевого подхода к определению авторства текста с использованием библиотеки Keras Python на платформе Google Colaboratory. Описаны шаги по подготовке данных, создание обучающей и тестовой выборок, построения и обучения модели. Полученные результаты демонстрируют высокую точность идентификации авторства текстов, достигающую 95-98%.
The article deals with the task of text processing using neural networks to determine authorship. The relevance of this topic is due to the increasing role of artificial intelligence in various fields, including natural language processing. A practical example of implementation of neural network approach to text authorship determination using Keras Python library on Google Colaboratory platform is presented. The steps of data preparation, creation of training and test samples, model building and training are described. The obtained results demonstrate high accuracy of text authorship identification, reaching 95-98%.