Отзыв на выпускную квалификационную работу студента 4 курса Плохова Артёма Сергеевича “Использование нейросетевых методов для прогнозирования финансовых потоков”  Целью данной работы является сравнение эффективности нейронных сетей с долгой краткосрочной памятью (LSTM) в задачах прогнозирования финансовых временных рядов по отношению к обычным рекуррентным нейронным сетям и сетям прямого распространения сигнала. Для достижения поставленной цели были поставлены следующие задачи:  1. Рассмотреть более ранние архитектуры искусственных нейронных сетей, такие как сети с прямым распространением сигнала и рекуррентные нейронные сети. 2. Изучить структуру и основные особенности сетей с долгой краткосрочной памятью, провести сравнение с более ранними архитектурами. 3. Построить сети с использованием упомянутых архитектур, произвести сравнение качества их работы в задачах прогнозирования финансовых временных рядов на примере валютной пары EUR-RUR  Стоит отметить, что формально цели, поставленные в работе - достигнуты. Текст работы имеет обоснованную структуру, подразумевающую обзор литературы и сравнение нескольких архитектур нейронных сетей. Однако, рассматривая данную работу в контексте предметной области, нельзя не отметить существенные недостатки:  Стоит отметить крайне малый объём общего ссылочного материала. Список литературы состоит всего из 6 пунктов, что показывает крайне слабое изучение проблемы и существующих подходов к её решению .  Приведенные в пункте 1.1 общие сведения, посвященные принятым методам прогнозирования цен на бирже, полностью оторваны от общей линии повествования. Не понятно - к какому из приведённых фундаментальных методов можно отнести нейронные сети и какую из задач - краткосрочного или долгосрочного планирования - они приняты решить.  Приведённая методология несколько сомнительна. Обычно для полноценного обучения сетей LSTM и RNN требуются обучающие выборки порядка нескольких миллионов, так что использование выборки в 1000 объектов для сравнения является крайне сомнительным решением. Что ставит под вопрос и общие выводы работы на основе данного анализа.   Единственным плюсом данной работы можно отметить достаточно богатый иллюстративный материал и предоставленный программный код. Тем не менее, работа удовлетворяет формальным критериям и требованиям, предъявляемым к выпускным квалификационным работам бакалавров,  и заслуживает оценки “хорошо”.    Научный руководитель, 							Малютин Е. А. ассистент