Este trabajo muestra los avances de la aplicación del Machine Learning (ML) para predecir las precipitaciones en Perú a escala subestacional con hasta seis semanas de anticipación. Para ello, se utiliza el proyecto Subseasonal to Seasonal (S2S) como insumo para aplicar el enfoque de downscaling y mejorar la precisión y la resolución espacial de las predicciones teniendo como referencia el producto PISCOp V2.1 del SENAMHI. Luego de procesar los datos, se realiza un Análisis de Componentes Principales y se desarrollan modelos de regresión lineal múltiple para predecir los principales componentes observados utilizando los preestablecidos a partir de NCEP CFSv2 como predictores para cada día de pronóstico.