Apuntando a evaluar la resistencia de unión de barras de refuerzo de polímero reforzado con fibra (FRP) en concreto de ultra alto rendimiento (UHPC), se han desarrollado modelos de aprendizaje automático (ML) utilizando conjuntos de datos recopilados de experimentos anteriores. Las variables consideradas en este estudio son el tipo y diámetro de la barra, el módulo elástico y la resistencia a la tracción de las barras, la resistencia a la compresión del concreto y la cobertura, la longitud de embebimiento y el método de prueba. El conjunto de datos contiene dos métodos de prueba: pruebas de extracción y pruebas de viga. Se consideraron cuatro tipos de barras, incluidas barras de polímero reforzado con fibra de carbono (CFRP), polímero reforzado con fibra de vidrio (GFRP), basalto y acero. Los modelos de ML de refuerzo aplicados en este estudio incluyen AdaBoost, CatBoost, Gradient Boosting, XGBoost y Hist Gradient Boosting. Después de ajustar los hiperparámetros, estos modelos demostraron mejoras significativas en la precisión predictiva, con XGBoost logrando el puntaje R más alto de 0.95 y el error cuadrático medio (RMSE) más bajo de 2.21. El análisis de valores de Shapley reveló que la resistencia a la tracción, el módulo elástico y la longitud de embebimiento son los factores más críticos que influyen en la resistencia de unión. Los hallazgos ofrecen conocimientos valiosos para aplicar modelos de ML en la predicción de la resistencia de unión en UHPC reforzado con FRP, proporcionando una herramienta práctica para la ingeniería estructural.