Strojno učenje, tema koja postaje sve važnija i važnija u zadnje vrijeme, ne samo za stručnjake iz područja informacijsko-komunikacijskih tehnologija i analitičara, nego i za znanstvenike, te inžinjere koji žele iskoristiti svu moć i prednost tehnika prediktivne analize, klasifikacije, klasteriranja i obrade prirodnog jezika. Tema ovog diplomskog rada je strojno učenje (engl. machine learning), preciznije dio strojnog učenja - nadzirano strojno učenje (engl. supervised machine learning) i primjena odabranih algoritama u ML.NET-u. Mislim da će ovaj rad biti koristan svim osobama koje su, kao i ja, tek na početku puta učenja i dubljeg proučavanja strojnog učenja. Kroz teorijski opis, povijest nastanka i podjelu strojnog učenja, te opisom algoritama uz koje gradimo modele dobit ćemo temeljno razumijevanje o izradi modela strojnog učenja. Teorijsko znanje bit će primijenjeno na jednom praktičnom primjeru u Microsoft .NET okruženju. Ukratko rečeno, ML.NET je razvojni okvir otvorenog koda (engl. open-source), dostupan je na više platformi (engl. cross-platform) i razvijen je od strane Microsoft-a. Omogućuje nam treniranje, izradu i objavljivanje prilagođenih modela strojnog učenja koristeći .NET programske jezike C# ili F#. Funkcionalnosti koje podržava, poput AutoML-a, te ML.NET Model Buildera olakšavaju samu integraciju strojnog učenja u postojeće aplikacije.