Con el desarrollo de capacidades de recopilación y almacenamiento de datos en las últimas décadas, se han acumulado abundantes datos en campos de ingeniería geotécnica, lo que brinda oportunidades para el uso de enfoques de aprendizaje automático. Por lo tanto, un número creciente de académicos están adoptando técnicas de aprendizaje automático para resolver problemas geotécnicos. En este documento, se revisa la aplicación de tres algoritmos populares de aprendizaje automático, máquina de vectores de soporte (SVM), red neuronal artificial (ANN) y árbol de decisiones (DT), así como otros algoritmos representativos en ingeniería geotécnica. Mientras tanto, se compara la aplicabilidad de diversos algoritmos de aprendizaje automático en la resolución de problemas específicos de ingeniería geotécnica. Los principales hallazgos son los siguientes: ANN, SVM y DT se han adoptado ampliamente para resolver una variedad de problemas de ingeniería geotécnica, como la clasificación de tipos de suelo y roca, la predicción de propiedades de materiales geotécnicos, etc. Basándose en la investigación relevante recopilada, el rendimiento de random forest (RF) en la clasificación de tipos de suelo y en la evaluación de la susceptibilidad a deslizamientos es satisfactorio; SVM tiene una alta precisión en la clasificación de tipos de roca y en la predicción de la deformación de rocas; y se recomienda el uso de ANNs de retropropagación y ANNs de Hopfield para predecir la resistencia a la compresión de rocas y el asentamiento del suelo, respectivamente.