O câncer de mama, hoje, é um dos tipos de cânceres mais comuns que existem. Este câncer mata todos os anos milhares de pessoas. Este tipo de câncer acomete principalmente mulheres. Se descoberto cedo, o paciente tem grandes chances de sobreviver à doença. Porém, nos dias atuais, mesmo com o avanço tecnológico, muitos casos ainda têm o diagnóstico tardio, aumentando assim, a mortalidade da doença. Falhas humanas, com profissionais mal preparados e falta de infraestrutura são algumas das causas que dificultam, principalmente para populações mais pobres, o diagnóstico da doença. Nos últimos anos, o ramo do aprendizado de máquina ganhou muita popularidade na aplicação à saúde, por ser uma solução viável para esses problemas. Capaz de analisar grandes volumes de dados, fazer predições e tomar decisões com uma baixa taxa de erro, com uso de aprendizagem supervisiona, computer vision e redes neurais, machine learning é usado para detectar e diagnosticar diversos tipos de cânceres, incluindo o câncer de mama. O objetivo deste trabalho é criar modelos e comparar a performance de cada classificador na tarefa de detectar o câncer de mama em imagens obtidas através do exame de Histopatologia e analisar a viabilidade da utilização do uso de modelos machine learning para tal tarefa. Os modelos utilizaram técnicas de aprendizado de máquina e aprendizado supervisionado. Com isso, o melhor resultado encontrado foi de 85%, e de 84%, nos dados de teste. Com isso, concluindo a viabilidade do uso de modelos de machine learning para o diagnóstico do câncer de mama.