La extrusión de material es una tecnología popular de fabricación aditiva debido a su bajo costo, amplia disponibilidad en el mercado, capacidad para construir piezas complejas, seguridad y limpieza. Sin embargo, la optimización de los parámetros del proceso para obtener las mejores propiedades mecánicas posibles no ha sido estudiada extensamente. Este artículo tiene como objetivo desarrollar modelos basados en aprendizaje de conjunto para predecir la resistencia última a la tracción, el módulo de Young y la elongación a la rotura de las piezas impresas en 3D de PLA y PLA-CF, utilizando la temperatura de impresión, la velocidad de impresión y el grosor de capa como parámetros del proceso. Además, el estudio investiga el impacto de los parámetros del proceso y la selección del material en las propiedades mecánicas de las piezas impresas y utiliza algoritmos genéticos para la optimización multiobjetivo según las especificaciones del usuario. Los resultados indican que los parámetros del proceso y la selección del material influyen significativamente en las propiedades mecánicas de las piezas impresas. Los modelos predictivos de aprendizaje de conjunto arrojaron un valor de R del 91.75% para la resistencia última a la tracción, del 94.08% para el módulo de Young y del 88.54% para la elongación a la rotura. El algoritmo genético identificó con éxito los valores óptimos de los parámetros para las propiedades mecánicas deseadas. Para la resistencia última a la tracción óptima, se utilizó PLA-CF a 222.28 gradosC, capa de 0.261 mm, velocidad de 40.30 mm/s, obteniendo 41.129 MPa. Para el módulo de Young: 4423.63 MPa, PLA-CF, 200.01 gradosC, capa de 0.388 mm, velocidad de 40.38 mm/s. Para la elongación a la rotura: 2.249%, PLA, 200.34 gradosC, capa de 0.390 mm, velocidad de 45.30 mm/s. Además, este trabajo es el primero en modelar las relaciones entre proceso-estructura-propiedad para un proceso de fabricación aditiva y en utilizar un enfoque de optimización multiobjetivo para múltiples propiedades mecánicas, utilizando algoritmos basados en aprendizaje de conjunto y algoritmos genéticos.