Esta tesis desarrolla un modelo computacional para pronosticar la demanda eléctrica peruana a corto plazo, basado en la comparación del desempeño entre dos metodologías, las cuales utilizan las redes neuronales de la Teoría de Resonancia Adaptativa (ARTMAP Fuzzy) y el modelo Neuro-Fuzzy (ANFIS), técnicas pertenecientes al Machine Learning (ML) y aplicado al Sistema Eléctrico Interconectado Nacional (SEIN). Además, el contenido de la tesis propone la metodología de pre-procesamiento del conjunto de datos históricos como alternativa para mejorar el desempeño en los resultados presentados. Los diferentes escenarios desarrollados en el pronóstico de demanda incluyen los años 2019 y 2020, donde las metodologías de las redes neuronales buscan la mejor opción en términos del error porcentual medio absoluto (MAPE). Finalmente, los resultados de la comparación propuesta plantean ...