Diplomski rad se bavi aktualnim područjem modeliranja pomoću metoda strojnog učenja (eng. machine learning), koje danas zbog kreiranja i analize velike količine podataka sve više dolazi do izražaja. Tema znanstvenog istraživanja je klasifikacija automobila prema prihvatljivosti za kupovinu. Analiza nad podacima se provela koristeći metode strojnog učenja, neuronske mreže i stabla odlučivanja. Na temelju spomenutih modela neuronskih mreža i stabla odlučivanja, cilj istraživanja je bio odrediti koji od modela je primjenjiviji, odnosno koji od dvaju modela je uspješniji u klasifikaciji pojedinog slučaja u pripadajuću, ispravnu klasu i koje od ulaznih varijabli imaju najveći utjecaj pri odabiru određenog automobila za kupovinu. Model neuronskih mreža ispostavio se boljim nego li model stabla odlučivanja, što je rezultiralo da je model neuronskih mreža bio uspješniji u svrstavanju pojedinih slučajeva u ispravnu klasu. Nadalje, svojevrsne razlike između modela mogle su se zamijetiti i prema analizi značajnosti ulaznih varijabli i prema analizi osjetljivosti izlazne varijable na ulaznu varijablu. U modelu neuronskih mreža prema dobivenim rezultatima najveći utjecaj na prihvatljivost određenog automobila za kupovinu imale su varijable vezane uz broj osoba koje se mogu smjestiti u automobil i sigurnost automobila, koja se određuje na CRASH testovima, dok u modelu stabla odlučivanja kao najbitnije varijable koje utječu na prihvatljivost određenog automobila za kupovinu istaknule su se sigurnost automobila i cijena održavanja istog. Izrađeni model strojnog učenja može poslužiti kao potpora odlučivanju menadžerima u marketingu i prodaji za personalizirane oglase i ponude koje bi u većem stupnju zadovoljile potrebe kupaca.