Uno de los principales desafíos en la utilización de redes neuronales es el entrenamiento de las mismas. En la mayoría de los casos, se recurre para tal fin, a técnicas de descenso por el gradiente, como el algoritmo de Retropropagación del error. Sin embargo, estas a veces pueden ser muy costosas en tiempo de cómputo, utilización de memoria, etc. En este trabajo se presenta un framework para el diseño de redes neuronales que pueden ser entrenadas a través de distintos algoritmos de entrenamiento. El framework se describe para el caso de una red neuronal del tipo Perceptrón Multicapa que permite la detección de números naturales de un dígito. Se muestra el entrenamiento mediante la utilización del algoritmo de Retropropagación del error y algoritmos Genéticos y se compara mediante el tiempo promedio de entrenamiento y la exactitud de la red entrenada. En base a los resultados, se ver a que el Algoritmo Genético es una alternativa atractiva respecto al clásico algoritmo de Retropropagación del error.Trabajo final de carreraSociedad Argentina de Informática e Investigación Operativa (SADIO)