Este estudio presenta un enfoque basado en datos y aprendizaje automático para diseñar un sistema de recomendación turística personalizado para Nepal. Analiza atributos turísticos clave, como la demografía, comportamientos, preferencias y satisfacción, para desarrollar cuatro submodelos para la recopilación de datos y aprendizaje automático. Se realiza una encuesta estructurada con 2400 turistas internacionales y nacionales, que incluye 28 preguntas principales y 125 variables. Los datos se preprocesan y se extraen características significativas para mejorar la precisión y eficiencia de los modelos de aprendizaje automático. Estos modelos se evalúan utilizando métricas como precisión, recall, puntuación F, curvas ROC y de elevación. Se desarrolla una base de datos integral para la ciudad de Pokhara, Nepal, a partir de diversas fuentes que incluyen atributos como ubicación, costo, popularidad, calificación, ranking y tendencia. Los modelos de aprendizaje automático proporcionan recomendaciones categóricas intermedias, que se mapean aún más utilizando un algoritmo de recomendación personalizado. Este algoritmo toma decisiones basadas en pesos asignados a cada atributo de decisión para realizar las recomendaciones finales. El rendimiento del sistema se compara con otros sistemas de recomendación populares implementados por TripAdvisor, Google Maps, el sitio web de turismo de Nepal y otros. Se encontró que el sistema propuesto supera a los existentes, ofreciendo recomendaciones más precisas y optimizadas a los visitantes en Pokhara. Este estudio es pionero y tiene implicaciones significativas para la industria turística y el sector gubernamental de Nepal para mejorar el negocio turístico en general.