Ropný a plynárenský průmysl se setkává s různými problémy týkajícími se zpracování a správy dat. Podstatné množství dat je generováno prostřednictvím různých technik a procesů. Zavedení komplexní technické analýzy této databáze je nezbytné pro zvýšení provozní účinnosti ropného a plynárenského sektoru. Tato práce představuje aktuální přehled současného stavu výzkumu v oblasti strojového učení a využití umělé inteligence při řešení problémů v ropném a plynárenském průmyslu. Tato rozsáhlá a důkladná studie může sloužit jako zdroj pro využívání strojového učení v průmyslu. Provedený výzkum odhalil, že techniky strojového učení mají významný potenciál pro řešení problémů napříč různými oblastmi v rámci ropného a plynárenského průmyslu, včetně úloh predikce, klasifikace a shlukování. Ropný a plynárenský průmysl v současné době denně generuje obrovské množství dat. V důsledku toho roste potřeba implementace technik strojového učení a zpracování velkých dat, což bude mít za následek zvýšení efektivity tohoto odvětví. Tato studie nabízí komplexní analýzu různých případů využití technik umělé inteligence (AI) a strojového učení (ML) v ropném průmyslu. Konkrétně se zaměřuje na to, jak lze tyto techniky využít k optimalizaci předřazených procesů, včetně studií nádrží, vrtání a výrobního inženýrství.The oil and gas industries are encountering various challenges and concerns pertaining to the processing and management of data. A substantial quantity of data is generated through a variety of techniques and processes. The implementation of a comprehensive technical analysis of this database is necessary in order to enhance the operational efficiency of the oil and gas sectors. This paper presents a thorough and up-to-date review of the current state of machine learning and artificial intelligence research as applied to addressing challenges within the oil and gas industry. This extensively researched and thorough study can serve as a definitive resource for machine learning applications in the industry. The conducted review revealed that machine learning techniques possess significant potential for addressing challenges across various domains within the oil and gas industry, encompassing prediction, classification, and clustering tasks. The oil and gas industry are currently generating vast amounts of data on a daily basis. As a result, there is a growing need for the implementation of machine learning and big data handling techniques in order to enhance the efficiency of the industry. This study offers a comprehensive analysis of the various applications and use cases of artificial intelligence (AI) and machine learning (ML) techniques within the petroleum industry. Specifically, it focuses on how these techniques can be utilized to optimize upstream processes, including reservoir studies, drilling, and production engineering.