La contaminación por coliformes fecales (CCF) es un problema frecuente que afecta la calidad de las playas y por lo tanto el uso recreativo de dichos espacios. El desarrollo de modelos predictivos de CCF surge como un complemento de los sistemas de monitoreo tradicionales y su implementación en Sistemas de Alerta Temprana (SAT) es recomendada para la gestión de la calidad de playas recreativas. El objetivo general de esta tesis fue generar aportes para la implementación de un SAT en las playas monitoreadas por la Intendencia de Montevideo (IM). Para ello se realizó: i) una revisión de artículos académicos (desde 2000 al 2024) con información acerca de la estrategia de modelización de CCF y su desempeño. Además, se evaluó la implementación de modelos predictivos en SAT. ii) se construyeron modelos predictivos de Aprendizaje Automático (AA) para las playas de Montevideo, incluyendo variables satelitales y iii) se construyó una aplicación web en donde se implementó el modelo con mejor desempeño como una prueba de concepto. En la revisión de artículos científicos se registraron 67 artículos de predicción de CCF, donde la mayoría se desarrolló para sistemas continentales (67%) respecto a sistemas marinos y estuarinos (33%). Los modelos de Regresión Lineal Múltiple fueron los más utilizados en número. Sin embargo, los modelos de mejor desempeño fueron los de AA, incluyendo las Redes Neuronales Artificiales y modelos basados en árboles de decisión (CART y Random Forest: RF). Se identificó la necesidad de implementar técnicas que permitan lidiar con el desbalance de los datos para mejorar la capacidad predictiva de los modelos y la escasa implementación modelos predictivos en SAT. Se construyeron RF para las playas de Montevideo que presentaron buena capacidad predictiva, mejorando las métricas de la línea de base actual y similar a los modelos construidos previamente. Las variables satelitales fueron importantes para la predicción de CCF. La implementación en la interfaz web permite acceder a la base de datos histórica de la IM y a las predicciones de los modelos en mapas interactivos, lo que significa un gran avance para su implementación. La implementación de modelos predictivos en el sistema de gestión de playas de la IM representaría el primer sistema de SAT para Latinoamérica y entre los pocos a nivel mundial que incluya modelos de AA.