Daily fantasy Sports are popular betting online multiplayer contests consisting in the confection of a virtual lineup of elite athletes observing specific restrictions. The scores are computed from the performance of the athletes in their respective matches. In this project two machine learning methods, linear regression and neural networks, are evaluated through the construction of the necessary models to predict expectations, variances and covariances of these scores. It is concluded that the method of choice depends on the available data and the parameter to predict. The existing betting strategies for the selection of an optimal set of athletes, consisting on the maximization with restrictions of a linear function, are also reviewed. One strategy is proposed consisting in the maximization with restrictions of a quadratic function in order to address certain caveats of these approaches. A practical and theoretical comparison between two methods, a genetic algorithm and an integer programming algorithm, is also performed as means to solve the combinatorial optimization problem posed by these maximizations. It is concluded that integer programming is the most efficient approach. Finally, a simulation on the performance of the strategies is run, hinting at the superiority of the proposed one. ; Los Daily Fantasy Sports son competiciones multijugador de apuestas en línea muy populares que consisten en hacer una selección virtual de deportistas de élite respetando unas normas específicas. Las puntuaciones obtenidas se computan a partir de la actuación de los deportistas en sus respectivos partidos. En este proyecto se evalúa teóricamente i prácticamente dos métodos de aprendizaje máquina supervisado, regresión lineal y redes neuronales, para construir, a partir de datos históricos, los modelos necesarios para anticipar esperanzas, varianzas i covarianzas de estas puntuaciones. Se concluye que el método preferido depende de los datos disponibles y de la característica a predecir. Se revisan también las estrategias de apuesta existentes que consisten en la maximización con restricciones de una función lineal para elegir un conjunto de deportistas óptimo. Se propone una estrategia consistente en la maximización de una función cuadrática con restricciones para solucionar algunos de sus inconvenientes. Se realiza igualmente una comparativa teórica y práctica de dos métodos, un algoritmo genético y un algoritmo de programación de enteros, para resolver el problema de optimización combinacional que representan estas maximizaciones. Se concluye que la programación de enteros es el método más eficiente. Finalmente se realiza una simulación de las diversas estrategias que apunta a la superioridad de la propuesta. ; Els Daily Fantasy Sports són competicions multijugador d'apostes en línia molt populars que consisteixen en fer una selecció virtual d'esportistes d'èlit respectant unes normes específiques. Les puntuacions obtingudes es computen a partir de l'actuació dels esportistes en els seus respectius partits. En aquest projecte s'avaluen teòricament i pràctica dos mètodes d'aprenentatge màquina supervisat, regressió lineal i xarxes neuronals, per construir, a partir de dades històriques, els models necessaris per anticipar esperances, variàncies i covariàncies d'aquestes puntuacions. Es conclou que el mètode preferit depèn de les dades disponibles i la característica a predir. Es revisen també les estratègies d'aposta existents que consisteixen en la maximització amb restriccions d'una funció lineal per tal d'escollir un conjunt d'esportistes òptim. Es proposa una estratègia consistent en la maximització d'una funció quadràtica amb restriccions per solucionar-ne certs inconvenients. Es realitza igualment una comparativa teòrica i pràctica de dos mètodes, un algoritme genètic i un algoritme de programació d'enters, per resoldre el problema d'optimització combinacional que representen aquestes maximitzacions. Es conclou que la programació d'enters és el mètode més eficient. Finalment es realitza una simulació de les diverses estratègies que apunta a la superioritat pràctica de la proposada.