Las enfermedades cardiovasculares representan una amenaza real para los sistemas de salud de muchos paises, debido a que se han convertido en uno de los diagnosticos que cobra un numero significativo de vidas en el mundo entero. De acuerdo a los datos emitidos por la Organizacion Mundial de la Salud (OMS) las enfermedades cardiovasculares son una causa importante de muertes, se estima que 9.4 millones y medio de muertes, es decir, el 16,5% de las muertes anuales, son atribuibles a la hipertension unicamente. Esto incluye el 51% de las muertes por accidentes cardiovasculares cerebrales (AVC) y el 45% de las muertes por cardiopatia coronaria. De acuerdo a lo anteriormente mencionado, el analisis de este tipo de enfermedades se ha convertido en un factor comun de investigacion, la aplicacion de sistemas informaticos inteligentes brindan la posibilidad de identificar de forma anticipada los pacientes que puedan padecer dicha enfermedad, por lo cual se propone en esta investigacion la utilizacion de distintas tecnicas de mineria de datos como lo son arboles de decision, las maquinas de soporte vectorial, la regresion logistica, el metodo de naivebayes, IBk (k vecinos mas cercanos) y redes neuronales, implementados utilizando un mismo conjunto de datos “Heart Disease Data Set” alojado en el repositorio Machine Learning UCI y bajo un mismo ambiente de prueba, con la finalidad de establecer cual de las tecnicas antes mencionadas logran un mayor porcentaje de precision a la hora de identificar pacientes que padezcan la enfermedad objeto de estudio; para la realizacion de las pruebas se utilizo validacion cruzada con el fin de seleccionar un porcentaje del conjunto de datos para realizarlas y otro para entrenamiento. Las tecnicas que lograron mejores resultados fueron RegresionLogistica y NaiveBayes las cuales alcanzaron un 84% de precision, las tecnicas de Redes Neuronales, IBK, Maquinas de Soporte Vectorial y Arboles de Decision obtuvieron porcentajes de precision inferiores lo cual indica que su desempeno no es el mas adecuado para la identificacion de este tipo de enfermedad.