Szakdolgozatom célja a fogyasztói magatartás előrejelzése mélytanuló és gépi tanulási modellek segítségével. Az elemzéshez különböző időjárási, környezeti és gazdasági adatokat gyűjtöttem, amelyeket egységes adattáblákba integráltam és adattisztítási lépésekkel előkészítettem. Röviden bemutatom a modellek elméleti hátterét, és legfőbb paramétereiket. Az elemzés során Lineáris Regressziót, MLP neurális hálózatot, Random Forest algoritmust, valamint ARIMA és LSTM idősoros modelleket használtam. A modellek implementációját Python nyelven valósítottam meg a TensorFlow, Scikit-learn és Pandas könyvtárak segítségével. Az eredményeket különböző metrikák alapján értékeltem és vizualizáltam. Az összehasonlítás rámutatott az egyes modellek hatékonyságára a fogyasztói magatartás előrejelzésében.