Este trabajo se centra en detectar a una persona en la cama para la rutina de sueño y monitoreo de patrones de sueño basado en el acelerómetro de Sistemas Micro-Electro-Mecánicos (MEMS) y la placa del sistema embebido de Internet de las Cosas (IoT). Este trabajo proporciona información sobre el sueño, evaluación de pacientes y cuidado de ancianos para pacientes que viven solos a través de tele-distancia a médicos o familiares. Se recopilaron alrededor de 216,000 datos de aceleración, incluyendo tres clases: sin persona en la cama, una posición de reposo estática y un estado en movimiento para la aplicación de Inteligencia Artificial (IA). Se evaluaron seis algoritmos de Aprendizaje Automático (ML) conocidos con precisión, recall, puntuación F1 y precisión en la estación de trabajo antes de implementarlos en el microcontrolador STM32 para la clasificación en tiempo real. Los cuatro mejores algoritmos fueron seleccionados para ser programados en la placa IoT y aplicados para pruebas en tiempo real. Los resultados demuestran la alta precisión del rendimiento de ML, superior al 99%, y el algoritmo de Árbol de Clasificación y Regresión está entre los mejores modelos con un tamaño de código ligero de 1583 bytes. La información de la cama inteligente se envía al panel IoT de Node-RED a través de un broker de Telemetría de Cola de Mensajes (MQTT).