La identificacion exacta de nubes precipitantes es una tarea dificil. En el presente trabajo se aplicaron los algoritmos Maquinas de Soporte Vectorial, Arboles de Decision y Bosques Aleatorios para discriminar entre nubes precipitantes y nubes no precipitantes, a partir de una imagen meteorologica del satelite GOES-13 que cubre el territorio colombiano. El objetivo del trabajo fue evaluar el desempeno de los algoritmos de aprendizaje de maquina (ML), para la clasificacion digital de masas nubosas, en terminos de la exactitud tematica de la clasificacion usando como referencia el algoritmo convencional distancia de Mahalanobis. Los resultados muestran que los algoritmos ML proporcionan una clasificacion de masas de nubes mas exacta que la obtenida por algoritmos convencionales. La mejor exactitud fue obtenida usando Bosques Aleatorios (RF), con una exactitud tematica global de 97%. Adicionalmente, la clasificacion obtenida con RF fue comparada pixel a pixel con estimaciones de precipitacion de la NASA Tropical Rainfall Measurement Mission (TRMM) obteniendo una exactitud global del 94%. De acuerdo con este estudio, los algoritmos ML pueden ser usados para mejorar los actuales metodos de identificacion de nubes precipitantes.