El presente artículo tiene como objetivo mostrar la aplicación de herramientas econométricas y machine learning en el contexto de gestión de una escuela profesional a fin de establecer un modelo de pronóstico para series de tiempo que permita determinar la cantidad de posibles alumnos matriculados por ciclo, en este caso se tomó como prueba el curso de Química Orgánica de la escuela profesional mencionada, para ello se probaron tres metodologías: redes neuronales aplicadas a series de tiempos, ARIMA y Holt Winters.  La primera de las tres metodologías mencionadas pertenece al campo de machine learning y las dos restantes son ampliamente utilizadas en econometría.  Se utilizó las librerías nnetar, auto.arima y HW de R (a través de RStudio) para el procesamiento de datos, para la selección se utilizó el indicador error cuadrático medio o RMSE por sus siglas en in...