Uno de los principales problemas ambientales que afecta la salud y calidad de vida de las personas es la contaminación del aire por material particulado. Chile tiene nueve de las diez ciudades más contaminadas de América del Sur según un informe presentado en 2019 por Greenpeace y AirVisual que midió el índice de calidad del aire basado en los niveles de partículas finas. La mayoría de las ciudades chilenas están altamente contaminadas por material particulado, especialmente durante los meses de abril a agosto (período de gestión de episodios críticos). El objetivo de este estudio es predecir los niveles de material particulado basándose en características meteorológicas y climáticas, como temperatura, velocidad del viento, dirección del viento, precipitación y humedad relativa del aire en Talca, Chile, durante los períodos de gestión de episodios críticos entre 2014 y 2018. Se utilizaron modelos predictivos basados en técnicas de aprendizaje automático, considerando conjuntos de datos de entrenamiento con datos meteorológicos y climáticos, y niveles de material particulado de las tres estaciones de monitoreo de calidad del aire en Talca, Chile. Realizamos el entrenamiento de 24 modelos para predecir los niveles de material particulado considerando el promedio de 24 horas y el promedio entre las 05:00 y las 11:00 p.m. Para las pruebas del modelo, se utilizaron datos del año 2018 durante el período de gestión de episodios críticos. Los resultados obtenidos indican que nuestros modelos son capaces de predecir eficazmente los niveles de material particulado, permitiendo el correcto manejo de episodios críticos, especialmente para condiciones de alerta, preemergencia y emergencia. Utilizamos el lenguaje de programación multiplataforma y de código abierto Python para el desarrollo e implementación de los modelos propuestos y R-project para algunas visualizaciones.