El objetivo de este estudio es evaluar los logros de los estudiantes en matemáticas utilizando tres métodos de regresión de aprendizaje automático: árboles de clasificación y regresión (CART), conjuntos y agrupaciones de CART (CART-EB) y splines de regresión adaptativos multivariables (MARS). Se propone una metodología de conjunto novedosa basada en la combinación de modelos CART y CART-EB en un nuevo conjunto para regresar los datos reales utilizando MARS. Se examinan los resultados de un examen final, tareas de control y domésticas, y otras actividades de aprendizaje para evaluar el conocimiento y competencias de los estudiantes en matemáticas aplicadas. El examen final combina problemas de elementos de análisis matemático, estadística y un pequeño proyecto práctico. El proyecto es el nuevo elemento orientado a la competencia, que requiere que los estudiantes formulen problemas por sí mismos, elijan diferentes soluciones y utilicen o no software especializado. Inicialmente, los datos empíricos se modelan estadísticamente utilizando seis modelos de competencia CART y seis modelos CART-EB. Los modelos logran una bondad de ajuste de hasta el 96% a los datos reales. Se determina el impacto de los factores examinados en el éxito de los estudiantes en el examen final. Utilizando el mejor de estos modelos y el procedimiento de conjunto novedoso propuesto, se construyen modelos finales de MARS que superan a los otros modelos para predecir los logros de los estudiantes en matemáticas aplicadas.