U ovom radu se istražuje problem predikcije cena letova. Predikcija cena avionskih letova predstavlјa izazov kako za putnike, koji žele da plaćaju objektivnu cenu, tako i za avio-kompanije, koje nastoje da optimizuju prihode. Tradicionalne metode predikcije često ne uzimaju u obzir varijabilne faktore poput sezonskih oscilacija, potražnje i dostupnosti sedišta, što rezultuje neadekvatnim cenama. Stoga je razvijanje modela zasnovanog na mašinskom učenju važno kako bi se postigla veća transparentnost i efikasnost tržišta avionskih karata. Metodologija rada uklјučuje upotrebu sledećih algoritama mašinskog učenja: Random Forest, Decision Tree i XGBoost. Za evaluaciju modela su korišćeni trening i test skup podataka u odnosu 8:2. Evaluacijom performansi, pomoću RMSE (Root Mean Squared Error) metrike, Random Forest se pokazao kao najbolјi model za predikciju cena avionskih karata.