Este documento presenta una revisión general de las diferentes aproximaciones y métodos en inferencia estadística, aplicados al problema de entrenamiento o ajuste de parámetros en Modelos Ocultos de Markov. Se tratarán los algoritmos EM (Expectation Maximization) y GEM (Generalized Expectation Maximization), el marco de modelos gráficos y sus algoritmos ML (Maximum Likelihood) y MAP (Maximum a Posteriori), así como modelos de conjunto, variacionales y métodos de muestreo MCMC (Markov Chain Montecarlo).