Este proyecto tiene como objetivo desarrollar un sistema de localización en interiores para personas sin la necesidad de dispositivos portátiles, empleando Máquinas de Soporte Vectorial (SVM) como modelo de aprendizaje automático. La hipótesis central es que el uso de SVM puede ofrecer una alternativa apropiada de localización en entornos interiores sin la necesidad de dispositivos personales. El proyecto se justifica por la creciente demanda de aplicaciones de seguridad y asistencia en entornos cerrados. Para la implementación, se utilizaron cuatro receptores y un emisor BLE (bluetooth Low Energy) para capturar señales de radiofrecuencia en una habitación dividida en 16 pequeñas áreas. Los datos se procesaron y analizaron utilizando MATLAB. Los resultados muestran que el modelo entrenado con el 75% de datos y un 25% para validación alcanzo una exactitud del 73%. Sin embargo, esta exactitud disminuye al 46% en los datos de prueba con un juego de datos completamente independientes de los usados para entrenamiento y validación, lo que indica que, siendo resultados prometedores, todavía se presentan muchas oportunidades futuras para optimizar el modelo y mejorar la precisión. En conclusión, el proyecto demuestra la viabilidad de utilizar SVM para la localización de personas en una habitación sin la necesidad de dispositivos portátiles.