La pandemia del virus COVID-19 tuvo repercusiones significativas en diversos sectores, siendo el sector educativo uno de los más afectados. La inclusión, continuidad y graduación oportuna de los estudiantes inscritos en la educación superior es una de las prioridades de la Ley General de Educación. Para lograr esto, deben implementarse estrategias y medidas que promuevan la retención estudiantil en las instituciones de educación superior. Por esta razón, uno de los principales desafíos educativos es proporcionar a los docentes las herramientas y recursos necesarios para identificar y canalizar casos como la violencia, la salud mental y posibles casos de abandono escolar. Mediante la aplicación de técnicas de minería de datos en educación, se ha logrado predecir el rendimiento académico, la creación de modelos predictivos para la retención estudiantil y definir perfiles de comportamiento. Una revisión del estado del arte ha concluido que el abandono escolar está influenciado por múltiples factores, como variables académicas, económicas y sociales. Al utilizar algoritmos de agrupamiento, se puede obtener información más detallada y conocimientos sobre los patrones de abandono, lo que permite tomar decisiones informadas en los niveles de educación superior. En este proyecto, se analizarán y definirán los indicadores para monitorear el rendimiento escolar de los estudiantes del campus universitario ITESG en dos fases: primero con todas las características de los estudiantes y luego solo con las características relevantes para comparar sus resultados. Este conjunto de datos será gestionado por un Sistema Inteligente que hará uso de algoritmos de clasificación no supervisados de Inteligencia Artificial, como K-Means y Fuzzy C-Means (FCM), para agrupar y detectar posibles casos de abandono escolar y poder canalizarlos al área de tutoría. Concluyendo que el algoritmo FCM es el mejor para este trabajo al detectar casos en riesgo de deserción escolar. El objetivo de este trabajo fué analizar y comparar el desempeño de los algoritmos no supervisados anteriormente mencionados, para detector estudiantes en riesgo de deserción escolar, empleando un conjunto de datos del Instituto Tecnológico Superior de Guanajuato y considerando tanto todas sus características como solo las más relevantes identificadas mediante pruebas estadísticas. Palabras clave: K-means, Fuzzy c-means, Educación, Deserción escolar, Clasificación, Inteligencia artificial.