Este documento presenta un método desarrollado para predecir el tiempo de vuelo empleado por un dron para completar un camino planificado adoptando un enfoque basado en el aprendizaje automático. Un camino genérico se divide en sub-rutas estándar en forma de esquina, y se predice el tiempo de vuelo necesario para recorrer una sub-ruta estándar empleando una red neuronal debidamente entrenada. El tiempo de vuelo final sobre el camino completo se calcula sumando los resultados parciales relacionados con las sub-rutas estándar. Se realizaron pruebas de vuelo reales con drones para crear una base de datos adecuada necesaria para entrenar la red neuronal adoptada como clasificador, empleando el algoritmo de retropropagación con regularización bayesiana como función de entrenamiento. Para la red, el ángulo relativo entre dos lados de una esquina y la condición del viento son las entradas, mientras que el tiempo de vuelo sobre la esquina es el parámetro de salida. Luego, se diseñaron y realizaron caminos genéricos para probar el método. El tiempo de vuelo total resultante de la telemetría del dron se comparó con el tiempo de vuelo predicho por el método desarrollado basado en técnicas de aprendizaje automático. Al final del documento, se demostró que el método propuesto es efectivo para predecir posibles colisiones entre drones que vuelan por caminos que se intersectan, como una posible aplicación para apoyar el desarrollo de procedimientos de gestión de tráfico no tripulado.