Diseña un método y un modelo predictivo del éxito de las Startups de tecnología de información (TI), basado en técnicas de Machine Learning que permita predecir el éxito de las Startups de TI con tasas de precisión superior a los modelos existentes. El método consta de 4 procesos, un modelo híbrido y un inventario de 79 factores críticos de éxito, además, es aplicable a cualquier ciudad o región. El método es aplicado a una base de datos de 265 Startups de TI de Australia con 7 algoritmos de ML (SVM, Perceptron Muli-layer, Decision Tree, Naive Bayes, KNN, Radom Forest y Gradient Boosting) y 3 modelos híbridos basados en la estrategia de Votación, asimismo, el algoritmo GreedyStepWise para reducir los factores. Los resultados muestran que el método permite obtener modelos de pronóstico con mejores resultados para los algoritmos, en promedio, incrementa la precisión en ...