Neuralne mreže univerzalni su aproksimatori funkcija te stoga primjenjivi na rješavanja gotovo svakog oblika problema. U ovom završnom radu obraditi će se način na koji neuralne mreže uče, uvesti konvoluciju u pristup učenju i pokazati rezultate implementiranih algoritama na nekoliko različitih skupova podataka. Neural networks are universal approximators and as such applicable on almost any problem. This bachelor thesis will process how neural networks learn, introduce convolution in its learning process and show results achieved by implemented algorithms on a few different datasets.