El avance tecnológico y la sofisticación de las computadoras ha dado lugar a procesadores capaces de ejecutar millones de operaciones por segundo sobre grandes volúmenes de datos. Paralelamente a este avance, ha aparecido en los últimos años el concepto de Data Mining o la Minería de Datos, que es una rama de las ciencias de la computación cuya finalidad última es la elaboración de patrones y la extracción de información de grandes bases de datos. El objetivo principal del presente proyecto es el análisis de los datos académicos de los estudiantes de Grado en Ingeniería en Tecnologías Industriales de L'Escola Tècnica Superior d'Enginyeria Industrial de Barcelona (ETSEIB). La finalidad última de dicho análisis es la construcción de distintos modelos que permitan predecir el comportamiento del estudiante a lo largo de los distintos cursos. En dicho proyecto, el término comportamiento hace referencia a una serie de aspectos tales como si el alumno repetirá alguna asignatura, si estará por encima o por debajo de la media general del curso, o si aprobará los cursos al ritmo estipulado (curso por año). Además de los modelos de comportamiento, también se desea construir distintas expresiones que permitan estimar la nota que obtendrá el alumno en cada una de las asignaturas en función de las notas obtenidas en cursos anteriores. Para lograr dicho objetivo, se han aplicado técnicas estadísticas muy variopintas en función de la finalidad deseada y la naturaleza de los datos a tratar. Para el estudio de significación de variables, se ha recurrido al uso de técnicas no paramétricas como la prueba de la U de Mann Whitney o el test de Kruskal Wallis para las variables cuantitativas, o la prueba de Chi - Cuadrado para las variables categóricas. Para la construcción de los modelos de comportamiento, la técnica utilizada ha sido la regresión logística binaria, que es la que ha ofrecido unos resultados más precisos. Por último, la estimación de la nota de cada una de las asignaturas se ha realizado mediante una combinación lineal de las notas de asignaturas ya cursadas, empleando la técnica de la regresión lineal. La precisión de cada uno de los modelos generados se ha medido con un subconjunto de datos que no han participado en la creación del mismo. Los porcentajes globales de acierto obtenidos para los modelos de comportamiento oscilan entre el 75,0 y el 83,0 %, mientras que las cualificaciones que obtendrá el alumno en cada una de las asignaturas se pronostica con un 60,1 % de acierto en promedio. Si un alumno repetirá o no una asignatura en concreto, se pronostica con un 82,4 % de acierto en promedio. Estos porcentajes de acierto permitirán realizar un análisis de los flujos de estudiantes más preciso y optimizar los recursos, tanto de personal, como de material, como de espacio. Además, también se podrá ofrecer una mayor ayuda a aquellos estudiantes con mayor probabilidad de fracaso.