El siguiente proyecto presenta el diseño y construcción de un sistema de inteligencia artificial basado en la integración de sensores y actuadores electrónicos con el objetivo de aprender modelos predictivos capaces de determinar las mejores acciones para controlar el cultivo por hidroponía en función de un objetivo definido (variables como calidad del agua, del aire, entre otros). Estos sensores nutren con datos a los algoritmos de aprendizaje automático reforzado. Se diseñaron e imprimieron más de 20 piezas 3D, que garantizan las funcionalidades básicas del mismo. Para el ambiente se creó un prototipo de mueble con sensores de temperatura y humedad, sensores de nutrientes, sistemas de refrigeración y caloventiladores. Por otro lado se desarrolló un agente de reflejo simple, el cual a través de un sistema de reglas convencional logra gestionar gran parte de los actuadores del sistema. Este agente se puso a prueba con plantines de lechuga y esquejes de albahaca, obteniendo buenos resultados, pudiéndose observar un notorio crecimiento de ambas especies de plantas. Por último, se desarrolló un algoritmo de Inteligencia Artificial utilizando como referencia el algoritmo Q-Learning, con el objetivo de optimizar y gestionar la temperatura del ambiente, interactuando directamente con el ambiente y optimizándola por consumo. En este último caso, se optó por modelar el ambiente matemáticamente y realizar las pruebas de entrenamiento contra el modelo. Se pudo observar cómo reduciendo los tiempos de ejecución, dicho algoritmo aprendió políticas óptimas para el control de la temperatura incluyendo más de la mitad de la ejecución de acciones que minimizaban el consumo.