La computación cuántica es una disciplina en auge que ofrece nuevas posibilidades a la hora de resolver diferentes problemas computacionales. En este trabajo se explora el uso de la computación cuántica y máquinas de soporte vectorial como modelos de aprendizaje automático para la resolución de tres diferentes escenarios. Un problema de clasificación binaria de células cancerosas, un problema de clasificación multi-clase sobre especies de flores y un problema de optimización de líneas de ómnibus. Las pruebas se realizaron utilizando el cluster del Centro Nacional de Supercomputación y se compararon las soluciones obtenidas mediante computación cuántica con otras obtenidas utilizando métodos de clasificación tradicionales. Los resultados obtenidos muestran un mejor desempeño de la solución cuántica en ambos problemas de clasificación y un peor desempeño en el problema de optimización.