En este TFM se efectúa la investigación para el desarrollo de un sistema en análisis de sentimiento político referente a las elecciones congresales del 2020 en Perú. El análisis de sentimiento es un área del procesamiento del lenguaje natural teniendo como objetivo el tratamiento de textos de los cuales se extrae un sentimiento u emoción, la cual puede ser positiva, negativa o neutral. El surgimiento de las redes sociales como Twitter ha sido aprovechada por la inteligencia artificial y el Big data para el tratamiento de información con respecto a los tuits. El objetivo principal de este sistema es realizar un análisis de sentimiento de las elecciones Congresales del 2020, con las herramientas tecnológicas actuales del mercado que, a su vez, solucionen problemas y tareas dentro del análisis de sentimiento. En el primer objetivo se realizó la investigación de las herramientas actuales en el mercado que solucionan el problema del análisis de sentimiento en este ámbito y un estudio acerca de las tareas del análisis de sentimiento. El segundo objetivo es extraer los datos de Twitter de octubre 2019 a enero 2020 usando las palabras clave del nombre del partido político y que el tuit sea en español, utilizando técnicas del preprocesamiento de datos para limpiar los tuits. Se han creado y optimizado modelos como Naive Bayes, Maquina vectores de soporte (SVM) y redes neuronales convolucionales (RNC) utilizando la metodología Cross Industry Standard Process for Data Mining (CRISP-DM) para analizar el sentimiento de dichos datos a nivel de documento, donde se puso en funcionamiento el clasificador que tuvo la mejor predicción de cada una de las clases mencionadas, utilizando un conjunto de corpus que se ajustan a este estudio. Sobre el marco del desarrollo del sistema, se implementó una arquitectura full stack (MEAN), utilizando Node para el back-end, MongoDB para el almacenamiento de los tuits, y finalmente, se han utilizado un conjunto de graficas por medio de Angular para cada partido político, con la finalidad de mejorar el entendimiento de la información extraída