Este estudio aborda la importancia de realizar mapeo de susceptibilidad a movimientos en masa y evaluación de peligros utilizando técnicas cuantitativas, incluyendo aprendizaje automático, en la Mancomunidad del Norte de Lima (NLC). Una exploración previa de las variables topográficas reveló una alta correlación y multicolinealidad entre algunas de ellas, lo que llevó a una reducción de dimensionalidad a través de un análisis de componentes principales (PCA). Se generaron seis modelos de susceptibilidad utilizando pesos de evidencia, regresión logística, perceptrón multicapa, máquina de soporte vectorial, bosque aleatorio y métodos de Bayes ingenuo para producir mapas de susceptibilidad cuantitativa y evaluar el peligro asociado con dos escenarios: el primero siendo el fenómeno de El Niño y el segundo un terremoto que supere 8.8 Mw. Los principales hallazgos indican que los modelos de aprendizaje automático exhiben un excelente rendimiento predictivo para la presencia y ausencia de eventos de movimientos en masa, ya que todos los modelos superaron un valor de AUC de >0.9, destacándose el modelo de bosque aleatorio. En términos de niveles de peligro, en caso de un fenómeno de El Niño o un terremoto que supere 8.8 Mw, aproximadamente el 40% y el 35% respectivamente, del área de la NLC estaría expuesta a los niveles de peligro más altos. También se enfatiza la importancia de integrar metodologías en los modelos de susceptibilidad a movimientos en masa; estas metodologías incluyen el análisis de correlación, evaluación de multicolinealidad, reducción de dimensionalidad de variables y acoplamiento de modelos estadísticos con modelos de aprendizaje automático para mejorar la precisión predictiva de los modelos de aprendizaje automático. Se espera que los hallazgos de esta investigación sirvan como una herramienta de apoyo para los gestores de tierras en la formulación de estrategias efectivas de prevención de desastres y reducción de riesgos.