Výtvarný styl je jednou z prvních věcí, které jsou v mapách nepřímo hodnoceny téměř každým uživatel. Současná literatura však nenabízí žádnou společně dohodnutou definici výtvarného stylu, ani nerozlišuje mezi jednotlivými výtvarnými styly. Tato diplomová práce se zabývá možnostmi metod strojového učení, konkrétně neuronových sítí, k identifikaci těchto stylů u tematických map. Předpoklad pro práci je ten, že neuronové sítě mohou výrazně přispět k definici výtvarných stylů map. Doposud sice neexistuje žádná podobná studie, která by zkoumala definici výtvarného stylu obrazových dat, ke kterým mapy patří, natož s použitím softwaru Orange. Důvodem bude pravděpodobně jen nevyužití možností strojového učení v této oblasti, protože v jiných odvětvích, jako jsou IT, přírodní vědy nebo technické vědy, jsou tyto nástroje široce používány. Neuronové sítě z tohoto softwaru již byly nicméně úspěšně použity k analýze podobnosti kruhových výřezů měst z Urban Atlasu (Dobešová 2019). Tato diplomová práce je proto v mnoha ohledech průlomová a poskytuje náhled na potenciál metod machine learning (konkrétně neuronových sítí) a využití softwaru Orange k ještě nerealizovaným kartografickým úlohám.Artistic style is one of the first things that are indirectly evaluated in maps by almost every user. However, current literature offers no commonly agreed upon definition of an artistic style nor does it differentiate between artistic styles. This project work deals with the application of the machine learning methods, specifically neural networks, for the identification of an artistic style of a map. The assumption is that neural networks can contribute to a definition of a map artistic style because neural networks were already successfully used to analyse similarities in pattern of circular sections of cities from the Urban Atlas as reported by Dobešová (2019). Until now, there is no similar study examining the artistic style definition of the image data, to which the maps belong, let alone using Orange software for study like this, an open-source software created at the University of Ljubljana in Slovenia (Orange Data Mining, 2020). The reason for that will probably be just the non-use of machine learning opportunities in this area, because in other sectors like IT, natural sciences or technical sciences, these tools are used widely. This work is therefore ground-breaking in many respects and provides insight into the use of the possibilities of this software for yet unrealized tasks in this area.