El rendimiento académico juega un papel clave en la evaluación de la calidad y equidad del sistema educativo de un país. Estudiar los aspectos o factores que influyen en el rendimiento académico universitario es una oportunidad de investigación importante. Este artículo sintetiza investigaciones que emplean técnicas de aprendizaje automático para identificar los determinantes del rendimiento académico en estudiantes de primer año de universidad. Se han analizado un total de 8700 registros de la Universidad Complutense de Madrid correspondientes a todos los estudiantes de nuevo ingreso en el año académico 2022-2023, para los cuales se disponía de información sobre 28 variables relacionadas con el acceso a la universidad, el rendimiento académico correspondiente al primer año y las características socioeconómicas. La metodología incluyó la selección de características utilizando Random Forest y Extreme Gradient Boosting (XGBoost) para identificar los principales predictores del rendimiento académico y evitar el sobreajuste en los modelos, seguido de un análisis con cuatro técnicas diferentes de aprendizaje automático: Regresión Lineal, Regresión de Vectores de Soporte, Random Forest y XGBoost. Los modelos mostraron un rendimiento predictivo similar, destacando también la coincidencia en los predictores del rendimiento académico tanto al final del primer semestre como al final del primer año académico. Nuestro análisis detecta la influencia de variables que no habían aparecido en la literatura anteriormente, la opción de admisión y el número de créditos matriculados. Este estudio contribuye a comprender los factores que impactan el rendimiento académico, proporcionando información clave para implementar políticas educativas destinadas a lograr la excelencia en la educación universitaria. Esto incluye, por ejemplo, la tutoría entre pares y el mentoría donde podrían participar estudiantes de alto y bajo rendimiento.