En este documento se presenta el desarrollo de un algoritmo de aprendizaje computacional basado en redes neuronales artificiales (RNA), para la asistencia y validación de resultados de capacidad de carga y asentamientos, enfocado a cimentaciones superficiales para edificaciones. Mediante la recopilación y procesamiento de 100 casos de estudio geotécnicos de las provincias de Azuay y Pichincha, se generó una base de datos acorde a su estructuración, basada en los lineamientos de la Norma Ecuatoriana de la Construcción. De manera complementaria, con el objetivo de comparar los valores de asentamientos registrados en la base de datos, se ensambló un algoritmo de conexión escrito en Python para estimar asentamientos con asistencia del software PLAXIS 2D, estableciéndose así una estructura de datos final, que posteriormente fue utilizada para la campaña de entrenamiento, validación y corrección de la red neuronal artificial (RNA). Los resultados más precisos para la predicción de capacidad de carga admisible y asentamiento (variables objetivo de la RNA) se obtuvieron al separar las variables de ingreso (parámetros físicos ? mecánicos de los suelos, datos de cimentación y carga estructural) por provincia. Este estudio puede ser utilizado como una guía para madurar una red neuronal, que pueda implementado a lo largo del territorio ecuatoriano como un asistente en la adecuada toma de decisiones de diseño en mecánica de suelos para edificaciones. Palabras clave: base de datos geotécnicos, Redes Neuronales Artificiales, Machine Learning, Python, cimentaciones superficiales, modelación numérica, PLAXIS 2D.