El aire es un recurso vital para nuestra existencia, pero su calidad es amenazada en las ciudades. Las autoridades hacen esfuerzos por desplegar estaciones de monitoreo del aire, pero debido a los altos costos, el número es normalmente limitado. Es por lo tanto altamente deseable el desarrollo de sistemas de monitoreo de calidad del aire de bajo costo. Para ello, no solo es necesario sensores de bajo costo, si no, principalmente modelos computacionales eficientes que den el mejor uso a los datos colectados para inferir contaminación en zonas no censadas. La comunidad científica ha desarrollado modelos de la físico-química atmosférica con el fin de explicar mediciones históricas y proyectar escenarios futuros. La desventaja de dichos modelos es la necesidad de tener informaciones precisas de los distintos parámetros y las condiciones iniciales y de frontera para generar simulaciones realistas. El problema es que dichas informaciones no son normalmente disponibles en ciudades en vias de desarrollo como Lima, que solo cuenta con 10 estaciones de monitoreo para una area de más de 3000 Km2. También la alta demanda computacional de dichos modelos los hacen poco atractivos para ser incorporados en sistemas de monitoreo de bajo costo. En el presente proyecto se plantea el desarrollo de un sistema de monitoreo de calidad del aire de bajo costo, el cual comprende el desarrollo de una red de modulos de medición de bajo costo, junto con el desarrollo de modelos predictivos basados en Redes Bayesianas (RBs) para la generacion de mapas de contaminación en tiempo real y de alta resolucion espacial. Las RBs son técnicas de Inteligencia Artificial que han mostrado ser herramientas prometedoras para integrar diversas fuentes de información y lidiar con complejidad e incerteza. Serán desplegadas dos redes en etapas diferentes, una en Lima y otra en Arequipa. Con ello se pretende contribuir con un sistema de bajo costo que nos informe sobre la calidad del aire que respiramos.