Tato práce se zabývá analýzou sentimentu a její aplikací v automobilovém průmyslu. Jsou zde nastíněna úskalí a omezení specifická pro komerční sféru. Dále jsou popsány také různé přístupy k analýze sentimentu, které jsou zkoumány především z hlediska přesnosti klasifikace sentimentu, ale také i z hlediska vhodnosti pro automatickou anotaci dat. Mezi testované přístupy patří slovníkové metody, statistické a prostorové metody, neuronové sítě a předtrénované modely. Závěrem je výkon natrénovaných modelů vyhodnocen na vlastním doménovém datasetu.This thesis addresses sentiment analysis and its application in the automotive industry, outlining challenges and limitations specific to the commercial sector. Various approaches to sentiment analysis are described, with a focus on both the accuracy of sentiment classification and suitability for automatic data annotation. Tested methods include dictionary-based approaches, statistical and spatial methods, neural networks, and pre-trained models. In the end, the performance of trained models is evaluated on a proprietary domain-specific dataset.