En este trabajo se presentan los lineamientos generales para la aplicación de dos algoritmos de aprendizaje automático para la identificación de una patología cardíaca, la fibrilación auricular (FA), a partir de la señal electrocardiográfica (ECG) de una derivación y de corta duración registrada con un dispositivo de tecnología electrónica móvil (DTEM). Visto la importancia del diagnóstico temprano de patologías cardiovasculares tales como la FA, nuestro objetivo es mejorar la capacidad de clasificación del DTEM el cual, en la práctica, deja sin clasificar un conjunto relevante de registros de ECG. Se analiza el desempeño de técnicas de clasificación supervisada tales como árboles generados por partición recursiva y los bosques aleatorios, empleadas en combinación con métodos de extracción de características de la señal ECG, aplicadas a un banco de entrenamiento internacional y a un conjunto de prueba nacional de registros de ECG, generado en 2019, de una población adulta mayor del Uruguay, en virtud de una colaboración entre la CHSCV y el Plan Ibirapitá. Los resultados obtenidos se interpretan a través de los diagnósticos disponibles de los ECG realizados por expertos cardiólogos clínicos.