Atualmente, as instituições de ensino no Brasil têm enfrentado um alto índice de evasão de alunos. No ensino superior, a taxa de evasão é de aproximadamente 22%. A evasão gera prejuízos significativos para as instituições de ensino tanto particulares quanto públicas. Além disso, o próprio aluno é afetado ao deixar o curso em andamento, comprometendo seu futuro profissional. Neste projeto, o objetivo é desenvolver uma ferramenta baseada no histórico de alunos matriculados, suas notas, presenças e faltas e predizer quais alunos estão prestes a abandonar o curso, com antecdência. De preferência, antes que o aluno, de fato, abandone, para que alguma providência seja tomada buscando evitar tal evasão. Desta maneira, a instituição pode diagnosticar o motivo e auxiliar o aluno, evitando assim a desistência no curso. Para isto, usa-se uma metodologia de coleta dos dados da secretaria. Em seguida, tais dados serão submetidos ao projeto que será desenvolvido. Trata-se de um sistema de predição baseado em técnicas de aprendizado de máquinas para predizer alunos que tendem a abandonar o curso em que está matriculado. Com esta técnica, responsáveis pelo acompanhamento de alunos (ex: pedagogos, comissão de evasão) talvez possam auxiliar o aluno na solução do problema e evitar o abandono do curso. Como as razões que levam um aluno a desistir do curso podem ser bem complexas, a técnica tem como objetivo auxiliar na redução do número de evasão. Os modelos gerados pelo Multilayer Perceptron, Random Forest (RF) e AdaBoost apresentaram 94% de acurácia. RF foi o único modelo a obter 94% de F-Score e Kappa maior que 0.6. Na fase atual do projeto, foi finalizada. Foi dividido em backend, frontend e banco de dados. A aplicação também foi colocada em contêiners dockers, tecnologia que facilita o desenvolvimento e implantação, para que seja mais fácil de ser usado pelo setor de tecnologia da instituição.