Las técnicas de aprendizaje automático han captado una atención significativa en diversas disciplinas de ingeniería debido a su potencial y beneficios. Específicamente, en simulaciones numéricas de yacimientos, el proceso central gira en torno a resolver las ecuaciones diferenciales parciales que delinean la dinámica del flujo de petróleo, gas y agua en medios porosos. La discretización de estas ecuaciones diferenciales parciales a través de métodos numéricos es una piedra angular de este proceso de simulación. La sinergia entre los métodos numéricos tradicionales y el aprendizaje automático puede mejorar la precisión de la discretización de ecuaciones diferenciales parciales. Además, los algoritmos de aprendizaje automático pueden emplearse para resolver ecuaciones diferenciales parciales directamente, obteniendo una convergencia rápida, una eficiencia computacional elevada y precisión superior al 95%. Este manuscrito ofrece una visión general de los métodos numéricos predominantes en simulaciones de yacimientos, centrándose en la integración de metodologías de aprendizaje automático. Se ilustran las innovaciones en la fusión de técnicas de aprendizaje profundo para resolver ecuaciones diferenciales parciales de yacimientos, junto con una discusión concisa de sus ventajas inherentes y limitaciones. A medida que el aprendizaje automático continúa evolucionando, su conjunción con métodos numéricos está destinada a ser fundamental para abordar desafíos complejos de ingeniería de yacimientos.