Los deslizamientos de tierra se consideran uno de los eventos más peligrosos globalmente. Por lo que, en la ciudad de Guayaquil es indispensable elaborar un modelo de susceptibilidad a deslizamientos para la evaluación y prevención de riesgos de desastres, a través del algoritmo Random Forest (RF), una metodología avanzada de machine learning (ML). Para esto, se utilizaron 14 factores condicionantes (pendiente, altitud, litología, curvatura de planta, curvatura de perfil, SPI, STI, NDVI, TWI, uso y cobertura de suelos, densidad de fallas, distancia a las fallas, densidad de drenaje, distancia a los drenajes) seleccionados en base al Plan de adaptación al cambio climático del Ecuador y estudios previos en modelización con ML. A través del inventario de deslizamientos y generación aleatoria de áreas no deslizamientos, se logró recolectar 180 muestras para el conjunto de datos de entrenamiento (70%) y validación (30%). El algoritmo RF, demostró su alta capacidad predictiva, logrando un rendimiento del 88.5% en la modelización. Además, permitió la evaluación detallada de las variables e identificación de zonas susceptibles. Los resultados obtenidos indican que el modelo RF es una herramienta óptima para la evaluación de susceptibilidad, así como para la planificación de medidas de mitigación y gestión de riesgos. Palabras Clave: Machine learning, modelización, sistemas de información geográfica, mitigación, Random Forest.