Como parte integral del sistema electromagnético, las antenas están volviéndose más avanzadas y versátiles que nunca, por lo que es necesario adoptar nuevas técnicas para mejorar su rendimiento. El Aprendizaje Automático (ML), una rama de la inteligencia artificial, es un método de análisis de datos que automatiza la construcción de modelos analíticos con mínima intervención humana. El potencial del ML para resolver desafíos impredecibles y complejos no lineales está atrayendo a investigadores en el campo de la electromagnética (EM), especialmente en antenas y sistemas basados en antenas. Numerosas simulaciones de antenas, síntesis y reconocimiento de patrones de radiaciones, así como identificaciones de objetos basadas en dispersión inversa no lineal, están aprovechando ahora técnicas de ML. Aunque la precisión de los algoritmos de ML depende de la disponibilidad de suficientes datos y del manejo experto del modelo y los hiperparámetros, gradualmente se está convirtiendo en la solución deseada cuando los investigadores buscan una solución rentable sin un consumo excesivo de tiempo. En este contexto, este documento tiene como objetivo presentar una visión general del aprendizaje automático y sus aplicaciones en Electromagnética, incluyendo comunicación, radar y detección. Discute extensamente el progreso de la investigación reciente en el desarrollo y uso de algoritmos inteligentes para el diseño, síntesis y análisis de antenas, dispersión inversa electromagnética, reconocimiento de objetivos de radar de apertura sintética y sistemas de detección de fallas. También proporciona limitaciones de este campo de estudio emergente. El aspecto único de este trabajo es que examina el estado del arte y los avances recientes en técnicas de ML aplicadas a EM.