En un contexto donde la sostenibilidad del planeta es una preocupación global, la eficiencia energética toma vital importancia y abarca diversas aristas, dependiendo varias de ellas del uso y generación de información de utilidad. Non Intrusive Load Monitoring (NILM), o "monitoreo no intrusivo de cargas eléctricas", es el nombre de una aplicación especifica del procesamiento de señales. A partir de la medida de corriente y voltaje consumidas por un conjunto de cargas, se usan técnicas para asignar a cada carga individual una potencia consumida. En este sentido se presenta, en el marco de este proyecto, una revisión del estado del arte sobre los algoritmos y dispositivos para NILM, un prototipo del aparato medidor que toma muestras a alta frecuencia, la implementación de algoritmos de clasificación de electrodomésticos y también de algoritmos de desagregación, entrenados sobre bases de datos públicas. En la clasificación de electrodomésticos, se logran resultados comparables a los del estado del arte y se realiza un estudio minucioso de las distintas características que pueden extraerse de su señal de potencia eléctrica. En desagregación, se valida la hipótesis de que incorporar datos de alta frecuencia (medidas a más de 7 kHz) permite un mejor ajuste a los datos y se presentan adaptaciones de los algoritmos de referencia en esta línea, que logran en algunos casos mejores resultados que las implementaciones de referencia. Este enfoque de aprendizaje supervisado se desempeña bien al entrenar los modelos sobre los electrodomésticos a monitorear. Además, se releva una base de datos de validación con medidas en Uruguay recolectada con el prototipo propuesto. Esta base de datos cuenta con medidas individuales de distintos electrodomésticos y medidas de alta frecuencia de la potencia agregada de la casa.