Los métodos computacionales en la investigación de fluidos han estado progresando durante los últimos años, impulsados por la incorporación de grandes cantidades de datos, ya sea en forma textual o gráfica, generados a partir de simulaciones multiescala, experimentos de laboratorio y datos reales del campo. La Inteligencia Artificial (IA) y su campo adyacente, el Aprendizaje Automático (AA), están a punto de alcanzar la estandarización en la mayoría de los campos de la ciencia y la ingeniería computacional, ya que proporcionan múltiples formas de extraer información de los datos que se convierten en conocimiento, con la ayuda de implementaciones de software portátiles que son fáciles de adoptar. Hay amplia información sobre el contexto histórico y matemático de todos los aspectos de la IA/AA en la literatura. Así, este artículo de revisión se centra principalmente en su impacto en la investigación de fluidos en la actualidad, destacando avances y oportunidades, reconociendo técnicas y métodos que se han propuesto, tabulando y probando algunos de los algoritmos más populares que han mostrado una precisión y rendimiento significativos en aplicaciones de fluidos. También investigamos la precisión algorítmica en varios conjuntos de datos de fluidos que corresponden a resultados de simulación para las propiedades de transporte de fluidos y sugerimos que los métodos no lineales basados en árboles de decisión han mostrado un rendimiento notable en la reproducción de las propiedades de los fluidos.