Memoria para optar al título de Ingeniera Civil en Computación / El presente trabajo describe el desarrollo de un software en Python destinado a la detección de fenómenos astronómicos transitorios como las supernovas que corresponden a eventos caracterizados por un incremento rápido en su luminosidad y un consecuente decremento lento. El programa se diseñó sobre la base de una rutina ya implementada la cual hace uso de estimaciones generadas por métodos del filtro de Kalman: en su versión clásica (o básica) o su versión de máxima correntropı́a. Debido a que esta rutina presenta complicaciones en la administración de archivos y manejo de parámetros (producido principalmente por hard-coding) se realizó un proceso de refactoring que implica además diseñar y generar una nueva familia de filtros de Kalman basados en el patrón de diseño Strategy. Sobre este código refactorizado se efectuaron pruebas de rendimiento obteniéndose ası́ una mejora en términos de tiempo pero no en la memoria principal utilizada. Por otro lado se realizaron pruebas de detección usando el conjunto de 93 supernovas detectadas por el sondeo de HiTS del año 2015, hallándose mejoras notables en la disminución de falsos positivos ası́ como también un leve aumento en el número de verdaderos positivos al emplear las versiones clásica y de máxima correntropı́a de los filtros refactorizados. Sin embargo no ocurrió lo mismo con el nuevo filtro unscented, que permite emplear funciones no lineales al momento de estimar. Para este filtro se usaron una función cuadrática y otra de exponente 1,5; evaluadas sobre el paso del tiempo desde el inicio de las observaciones (o épocas). Se recomienda continuar estudiando el nuevo filtro de Kalman de aproximación no lineal debido al acotado conjunto de parámetros y funciones utilizado durante la realización de este trabajo.