A compreensão da estabilidade dos taludes é fundamental para uma gestão eficaz dos riscos e para a prevenção de catástrofes naturais. Acidentes relacionados com o deslizamento de encostas naturais podem afetar seriamente sociedades e sua infraestrutura, com consequências graves como a perda de vidas humanas e perdas econômicas. Face às incertezas associadas às características das camadas de solo e às alterações climáticas, os modelos de redes neuronais artificiais (RNA) surgem como soluções rápidas e robustas para a previsão do fator de segurança de taludes naturais. Nesse sentido, neste trabalho compilou-se um extenso conjunto de dados, relacionando parâmetros de resistência do solo (coesão e ângulo de atrito) e fatores geométricos do talude (inclinação, espessura da camada de solo e a espessura de solo saturado) com fatores de segurança determinados através de um método de equilíbrio limite. Uma porcentagem de 80% dos dados foi utilizada para treinar e otimizar os hiperparâmetros do modelo de RNA empregando uma abordagem de otimização Bayesiana. O restante dos modelos foi utilizado para a execução de testes e validação. Adicionalmente, foi efetuado um estudo da importância das características para investigar o efeito de cada parâmetro na determinação do fator de segurança.