Este documento investiga el desarrollo de un modelo de control de vuelo basado en aprendizaje profundo para un vehículo aéreo no tripulado de rotor inclinado, centrándose en sistemas de mantenimiento de altitud, velocidad y inclinación. Los datos de entrenamiento se recopilan del simulador de vuelo X-Plane, empleando un controlador proporcional-integral-derivativo para mejorar la dinámica de vuelo y la calidad de los datos. La arquitectura del modelo, implementada dentro del marco de TensorFlow, se somete a un ajuste iterativo para un rendimiento óptimo. Las pruebas involucraron dos escenarios: condiciones sin viento y perturbaciones por viento. En condiciones sin viento, el modelo demostró un excelente rendimiento de seguimiento, siguiendo de cerca la altitud deseada. La robustez del modelo se evalúa aún más al introducir perturbaciones por viento. Curiosamente, estas perturbaciones no impactan significativamente el rendimiento del modelo. Esta investigación ha demostrado el control de vuelo basado en datos en un vehículo aéreo no tripulado de rotor inclinado, ofreciendo una mejor adaptabilidad y robustez en comparación con los métodos tradicionales. El trabajo futuro puede explorar modos de vuelo adicionales, complejidades ambientales y la utilización de datos de vuelos de prueba reales para mejorar la generalización del modelo.