Una correcta estimación de la presión de fondo del pozo es crítica para una adecuada evaluación de cualquier tipo de reservorio Shale no convencional, ya que provee los datos de entrada necesarios para la construcción de gráficos diagnóstico de producción (como, por ejemplo, el gráfico de Flujo Lineal y el gráfico Log-Log). Asimismo, permite el análisis de transientes de caudal (RTA) y de los modelos de simulación numérica. Los sensores de presión de fondo permanentes no suelen ser comunes en campos maduros en donde haya culminado la fase exploratoria y, por esta razón, el ingeniero de reservorios debe emplear diferentes métodos para estimar la presión de fondo a partir de datos de producción y de presión de boca de pozo. Además, se deben correr gradientes dinámicos frecuentemente para lograr estimaciones de pérdida de carga a lo largo de la cañería. Para el caso de pozos con sistema de elevación artificial, este cálculo puede no ser del todo simple y, por lo tanto, información adicional acerca del sistema de bombeo será necesaria para la estimación de la presión de fondo. El objetivo del presente trabajo es construir un modelo de Machine Learning que permita predecir la presión de fondo en pozos horizontales fracturados de la Fm. Vaca Muerta en Argentina. Las variables de entrada para el entrenamiento del algoritmo incluyen la ubicación geográfica del pozo y del yacimiento, la zona navegada en el reservorio, la historia de producción, los parámetros del sistema de elevación artificial, el diseño de completación y propiedades del fluido de reservorio.