Svaka tehnologija koja se koristi za izradu aplikacije je ukratko opisana. Predviđanje vremena je vrlo složen proces, a povratne informacije o vremenu i na lokalnom području mogu biti od koristi za mnoge ljude. Koristeći web scraping, autor je odabrao 3 meteo-stanice na lokalnom području, a to su: Čakovec, Varaždin i Koprivnica. Prate se njihovi podaci u periodu od 30 dana i spremaju se u excel datoteku. Na osnovu prikupljenih podataka pomoću UI, kreira se neuronska mreža koja će za navedeno razdoblje praćenja omogućiti prognozu za isto vremensko razdoblje iduće kalendarske godine. Autor je odabrao i koristio specifično Mlp (Multilayer Percepton) neuronsku mrežu za prognoziranje vremenskih uvjeta u budućnosti. Trenirajući i testirajući, autor je dobio najbolje rezultate s ovom neuronskom mrežom i iz tog razloga ju je odabrao, radio je u Jupyter Notebook-u koji je dio Anaconda okruženja. Anaconda okruženje omogućuje jednostavno upravljanje i instalaciju potrebnih alata i biblioteka, kao što je programski jezik Python. Kroz rad su korišteni različiti moduli i biblioteke koje su sastavni dio programskog jezika Python i autor je opisao svaku od njih. Uzimajući u obzir sve navedeno, pokazuje se važnost umjetne inteligencije, strojnog učenja, neuronskih mreža i web scraping tehnika u području prognoziranja vremena. Kombinacija ovih tehnologija omogućuje preciznije i relevantnije prognoze vremena na lokalnom području. Budućnost tih područja donosi veliki potencijal za daljnji razvoj i primjenu naprednih tehnika kako bi se još poboljšala preciznost prognoza i omogućilo bolje razumijevanje vremenskih uvjeta. Ovaj završni rad pruža temelje za daljnja istraživanja i razvoj vremenskih prognoza temeljenih na umjetnoj inteligenciji i strojnom učenju