Tämän opinnäytetyön tarkoituksena on selvittää koneoppimisen ja etenkin neuroverkon soveltuvuutta urheilutulosten ennustamisessa. Neuroverkot haastavat urheilun asiantuntijoita enenemissä määrin niiden rajattoman kapasiteetin ja objektiivisen lähestymistapansa ansiosta. Opinnäytetyössä käsitellään myös sijoitusjärjestelmiä ja niitä käytetään myös datan lähteenä neuroverkon käytännön toteutuksessa. Keskeisenä tavoitteena on selvittää, pystyykö yksinkertainen neuroverkko valitsemaan oikean painotuksen joukkueen yleisen tason ja viimeaikaisten otteluiden, eli niin sanotun kuntopuntarin välillä ja ennustamaan amerikkalaisen jalkapallon otteluiden voittajat NFL:ssä. Neuroverkolle annettiin datalähteeksi NFL:n kaikki sarjaottelut vuodesta 1968 lähtien. 12 934 amerikkalaisen jalkapallon ottelun perusteella, neuroverkon oppima malli onnistui ennustamaan oikein 64,45 % tarkkuudella kauden 2018–2019 otteluiden voittajat. Tuloksista voidaan todeta, että neuroverkko soveltuu erinomaisesti ottelutulosten ennustamiseen. Johtuen vedonlyöntiyhtiöiden asettamasta marginaalista voitolliseen vedonlyöntiin vaaditaan kuitenkin vielä parempia ennustuksia. Lisäämällä datalähteisiin enemmän muuttujia, voitaisiin mahdollisesti opinnäytetyössä rakennetun neuroverkon kaltaista koneoppimismallia kehittää.