La Ciudad de México experimenta frecuentemente altas concentraciones de ozono cerca de la superficie, y la exposición a niveles elevados de ozono cerca de la superficie causa efectos perjudiciales para los habitantes y el medio ambiente de la Ciudad de México. Esto hace necesario desarrollar modelos para la Ciudad de México que predigan los niveles de ozono cerca de la superficie con anticipación. Tales modelos son cruciales para los procedimientos regulatorios y pueden evitar una gran cantidad de efectos perjudiciales del ozono cerca de la superficie al servir como sistemas de alerta temprana. Utilizamos tres modelos de aprendizaje automático, entrenados con datos de siete años (2015-2021) y probados con datos de un año (2022), para pronosticar las concentraciones de ozono cerca de la superficie. Los modelos entrenados predicen las concentraciones de ozono cerca de la superficie de 24 horas del día siguiente durante un mes; antes de pronosticar los meses siguientes, los modelos se entrenan nuevamente y se actualizan. Basado en los resultados de las predicciones, la red neuronal convolucional supera al resto de los modelos a escala anual con un índice de concordancia de 0.93 para tres estaciones, 0.92 para nueve estaciones y 0.91 para una estación.