U ovom diplomskom radu dat će se uvid u što su sustavi za preporuke te koje različite mogućnosti oni nude za korisnika takvog sustava kao i za samog pružatelja usluge. Obradit će se različiti izvori znanja koje takvi sustavi mogu koristiti kao i različiti pristupi kojima mogu raditi preporuke korisnicima. U nastavku se daje pregled tehnologija sustava za preporuku, od onih najjednostavnijih rješenja pa do inteligentnih sustava. Napravit će se analiza postojećih sustava za prodaju automobila. Nakon toga će se izraditi vlastiti prototip inteligentnog sustava za preporuku za kupce automobila, gdje će se prvo objasniti prikupljanje podataka te postupak kreiranja vlastitog testnog skupa podataka s kojim će prototip raditi. U nastavku se objašnjavaju koraci profiliranja korisnika s nekoliko različitih vrsta pitanja kako bi se dobio željeni korisnički profil za daljnju obradu nad skupom podataka, te naposljetku kreirati dvije različite komponente, odnosno algoritma za predlaganje automobila kupcima. Prethodno izradi pojedine komponente, dat će se pregled korištenih tehnologija, kao i ključne smjernice izrade same komponente. Prva komponenta predviđanja je bazirana na jednostavnom algoritmu utemeljenom na bodovanju i faktorizaciji atributa automobila, u skladu s profiliranim preferencijama korisnika. Druga komponenta će uključivati treniranje podataka i izradu modela strojnog učenja putem ML .NET tehnologije. Nakon izrade prototipa inteligentnog sustava s dvije različite komponente, odnosno dvaju različitih algoritama inteligentnog rasuđivanja, rad tih komponenti će se prokomentirati kao i dobiveni rezultati. Na kraju rada slijedit će zaključak, popis literature te popis slika, videa i tablica korištenih prilikom izrade ovog rada.