Los datos agrícolas a gran escala son un conjunto de tecnologías que permiten responder a los desafíos de la nueva era de los datos. En conjunto con el aprendizaje automático, los agricultores pueden utilizar datos para abordar problemas como la toma de decisiones de los agricultores, la gestión del agua, la gestión del suelo, la gestión de cultivos y la gestión del ganado. La gestión de cultivos incluye la predicción de rendimientos, la detección de enfermedades, la detección de malas hierbas, la calidad de los cultivos y el reconocimiento de especies. Por otro lado, la gestión del ganado considera el bienestar animal y la producción ganadera. El propósito de este documento es sintetizar la evidencia sobre los desafíos involucrados en la implementación del aprendizaje automático en los datos agrícolas a gran escala. Realizamos una revisión sistemática de la literatura aplicando el protocolo PRISMA. Esta revisión incluye 30 artículos publicados desde 2015 hasta 2020. Desarrollamos un marco que resume los principales desafíos encontrados, las técnicas de aprendizaje automático y las tecnologías principales utilizadas. Un desafío significativo es el diseño de arquitecturas de datos agrícolas a gran escala debido a la necesidad de modificar el conjunto de tecnologías adaptando las técnicas de aprendizaje automático a medida que aumenta el volumen de datos.