El siguiente trabajo final propone el desarrollo de un modelo predictivo para estimar la cantidad de pasajeros por línea de ómnibus en Montevideo, viendo el impacto de la lluvia, utilizando datos históricos de ocupación de los ómnibus y registros de precipitaciones proporcionados por la Intendencia de Montevideo. El objetivo principal es optimizar la asignación de la flota de ómnibus, mejorando la eficiencia del servicio y reduciendo los tiempos de espera de los usuarios. Para ello, se aplican técnicas de análisis de datos y modelos de aprendizaje automático (en adelante, Machine Learning o simplemente ML por sus siglas en inglés) incluyendo enfoques de series temporales y redes neuronales MLP (Multi Layer Perceptron) con el fin de capturar patrones históricos y variables meteorológicas relevantes. Se espera que los resultados obtenidos ofrezcan un sustento sólido para la toma de decisiones de las autoridades, impulsando una planificación de transporte más efectiva y contribuyendo a la satisfacción de los pasajeros.