El control mioelectrico ha dado buenos resultados en diferentes areas, como la rehabilitacion, video juegos, direccion de drones y sobre todo en aplicaciones biomedicas como lo son las protesis. Pero justamente estos dispositivos presentan un problema fundamental, el cual consiste en la clasificacion de los gestos que quiere realizar el discapacitado a partir de sus senales mioelectricas. El fin de este proyecto es implementar un sistema inteligente autonomo capaz de clasificar, inicialmente, los gestos de apertura y cierre de la mano. Para escoger el sistema inteligente apropiado del proyecto se sometieron tres diferentes modelos inteligentes de clasificacion a una seleccion a partir del error mas pequeno, los cuales son: clustering (k-means), arboles de decision y redes neuronales. La seleccion de los tres modelos inteligentes se realizo de forma ascendente segun su complejidad, es decir, del menos complejo (k-menas), seguido de un modelo con complejidad intermedia (arboles de decision) y por ultimo uno de los mas complejos actualmente (redes neuronales). Ademas de la simulacion en un computador del sistema inteligente propuesto como solucion, se valido el mismo en un sistema embebido con la finalidad de verificar la portabilidad del sistema. Cabe resaltar que la adquisicion de las senales mioelectricas es una parte fundamental y delicada en el control mioelectrico, por ende se implemento la pulsera myo como dispositivo de adquisicion de senales por su simplicidad y ergonomia. Finalmente, el principal hallazgo del proyecto se presenta en el delicado proceso para determinar la base de datos, ya que es parte fundamental y critica para el correcto funcionamiento del dispositivo, debido a ser el soporte del sistema para tomar decisiones. En el caso de presentar una base de datos mal estructurada en el entrenamiento, el modelo inteligente no podra clasificar los gestos tal cual como se esperaria.