El aprendizaje automático (ML) permite que el Internet de las Cosas (IoT) obtenga información oculta del tesoro de datos percibidos y sea verdaderamente ubicuo sin buscar explícitamente conocimientos y patrones de datos. Sin ML, el IoT no puede cumplir con los requisitos futuros de empresas, gobiernos y usuarios individuales. El objetivo principal del IoT es percibir lo que está sucediendo en nuestro entorno y permitir la automatización de la toma de decisiones a través de métodos inteligentes, que imitarán las decisiones tomadas por los humanos. En este documento, clasificamos y discutimos la literatura sobre IoT habilitado por ML desde tres perspectivas: datos, aplicaciones e industria. Detallamos con docenas de métodos y aplicaciones de vanguardia a través de una revisión de alrededor de 300 fuentes publicadas sobre cómo ML e IoT trabajan juntos para desempeñar un papel crucial en hacer que nuestros entornos sean más inteligentes. También discutimos tendencias emergentes de IoT, incluida Internet del Comportamiento (IoB), gestión de pandemias, vehículos autónomos conectados, computación en el borde y niebla, y aprendizaje profundo liviano. Además, clasificamos los desafíos para IoT en cuatro clases: tecnológicos, individuales, empresariales y sociales. Este documento ayudará a aprovechar las oportunidades y desafíos de IoT para hacer que nuestras sociedades sean más prósperas y sostenibles.