En los últimos años, ha habido un creciente interés en el seguimiento y la detección automatizados de actividades deportivas. Los investigadores han demostrado que proporcionar información sobre la actividad a las personas durante sus rutinas de ejercicio puede ayudarles enormemente a alcanzar sus objetivos de ejercicio. En particular, dicha información les ayudaría a maximizar la eficiencia del entrenamiento y prevenir el sobreentrenamiento. Este documento presenta el desarrollo de un novedoso dispositivo portátil multipropósito para la detección automática de peso, el reconocimiento del tipo de actividad y el conteo de repeticiones en actividades deportivas como el entrenamiento con pesas. El dispositivo monitorea pesos y actividades utilizando una unidad de medición inercial (IMU), un acelerómetro y tres sensores de fuerza montados en un guante, y los clasifica utilizando modelos de aprendizaje automático desarrollados. Para los propósitos de detección de peso, se investigaron diferentes clasificadores, incluyendo Análisis Discriminante Lineal (LDA), Máquina de Vectores de Soporte (SVM) y Redes Neuronales Perceptron de Múltiples Capas (MLP). Para el reconocimiento de actividades, se entrenaron y examinaron los modelos de K vecinos más cercanos (KNN), Árbol de Decisión (DT), Bosque Aleatorio (RF) y SVM. Los resultados experimentales indican que el clasificador SVM puede lograr la mayor precisión en la detección de peso, mientras que RF puede superar a otros clasificadores en el reconocimiento de actividades. Los resultados indican la viabilidad de desarrollar un dispositivo portátil que pueda proporcionar información precisa in situ sobre el peso levantado y el tipo de actividad con mínima intervención física.