El renovado interés en el aprendizaje automático (ML), observado en las últimas décadas, también se ha filtrado en las ciencias naturales y la ingeniería. Los algoritmos de ML ahora se utilizan en la computación científica, así como en la minería y procesamiento de datos. En este documento, proporcionamos una revisión del estado del arte en ML para la ciencia computacional y la ingeniería. Discutimos formas de utilizar ML para acelerar o mejorar la calidad de técnicas de simulación como la dinámica de fluidos computacional, la dinámica molecular y el análisis estructural. Exploramos la capacidad de ML para producir modelos sustitutos computacionalmente eficientes de aplicaciones físicas que evitan la necesidad de técnicas de simulación más costosas en su totalidad. También discutimos cómo ML puede ser utilizado para procesar grandes cantidades de datos, utilizando como ejemplos muchos campos científicos diferentes, como la ingeniería, la medicina, la astronomía y la informática. Finalmente, revisamos cómo ML se ha utilizado para crear aplicaciones de realidad virtual más realistas y receptivas.