Slide 1: Introducción. Slide 2: Material Particulado (PM). Slide 3: Importancia del Pronóstico. Slide 4: Modelos Tradicionales de Pronóstico. Slide 5: Redes Neuronales Artificiales (RNA). Slide 6: Tipos de Redes Neuronales para Pronóstico. Slide 7: Ventajas de las RNA para Pronóstico de PM. Slide 8: Datos de Entrada para el Modelo. Slide 9: Preprocesamiento de Datos. Slide 10: Diseño del Modelo Neuronal. Slide 11: Entrenamiento del Modelo. Slide 12: Evaluación del Modelo. Slide 13: Ajuste de Hiperparámetros. Slide 14: Implementación del Modelo. Slide 15: Caso de Estudio: Ciudad de Ejemplo. Slide 16: Desafíos y Limitaciones. Slide 17: Trabajo Futuro. Slide 18: Conclusiones. Slide 19: Preguntas y Respuestas. Slide 20: Referencias