El análisis de estabilidad de taludes es, sin duda, uno de los problemas más complejos en la ingeniería geotécnica y su estudio juega un papel fundamental en la mitigación del riesgo asociado con la ocurrencia de deslizamientos de tierra. Este problema se aborda comúnmente utilizando métodos de equilibrio límite o técnicas numéricas avanzadas para evaluar el factor de seguridad del talud o, a veces, incluso el campo de desplazamiento del talud. En este estudio, como un enfoque alternativo, se intentó evaluar la condición de estabilidad de taludes homogéneos utilizando una técnica de aprendizaje automático (ML). Específicamente, se emplearon un algoritmo metaheurístico (algoritmo de Búsqueda de Armonía (HS)) y el algoritmo K-means para realizar un análisis de agrupamiento considerando dos clases diferentes, dependiendo de si un talud era inestable o estable. Para lograr el propósito de este estudio, se estableció una base de datos compuesta por 19 estudios de caso con 6 entradas de modelo que incluyen peso unitario, cohesión de intercepción, ángulo de resistencia al corte, ángulo del talud, altura del talud y relación de presión de poro, y una salida (es decir, el factor de seguridad del talud). Con respecto a esta base de datos, 17 de los 19 taludes fueron categorizados correctamente. Además, los resultados obtenidos mostraron que, en relación con la base de datos considerada, la cohesión de intercepción fue el parámetro más significativo para definir la clase de cada talud, mientras que el peso unitario tuvo la menor influencia. Finalmente, los resultados obtenidos mostraron que el algoritmo de Búsqueda de Armonía es un enfoque eficiente para entrenar algoritmos K-means.