Por un gran periodo de tiempo el funcionamiento del cuerpo humano ha sido base de múltiples investigaciones, permitiendo avances en el estudio de señales tales como las señales electroencefalográficas (EEG) producidas por la actividad cerebral, señales electromiográficas (EMG) generadas por el movimiento de los músculos estriados, también conocidos como esqueléticos, y las señales electrocardiográficas (ECG) que registran la actividad cardíaca. El entendimiento y uso de estas señales han permitido desarrollar múltiples aplicaciones para tanto para uso clínico o como para la industria. Las señales EMG se han convertido en una herramienta importante en la rehabilitación debido a la facilidad con la que pueden ser extraídas por métodos no invasivos para la persona tal como la electromiografía de superficie (sEMG). Las señales recolectaras por sEMG proveen información acerca de la actividad neuromuscular que la origina y han sido fundamentales para el uso en diagnósticos clínicos y desarrollo de aplicaciones para rehabilitación o recreación. Esta investigación se propone explorar el análisis de las señales electromiográficas para su clasificación con algoritmos de Inteligencia Artificial. Se presenta la metodología para la recolección de las señales EMG y tratamiento de estas con la implementación de algoritmos de inteligencia artificial, con la finalidad de clasificar las señales por movimiento.