Rede bayesiana é uma técnica de classificação vastamente utilizada na área de inteligência artificial. sua estrutura é composta por um grafo acíclico direcionado usado para modelar a associação de variáveis categóricas (qualitativas). entretanto, em casos onde existem variáveis numéricas no domínio uma pré-discretização é geralmente necessária. nesta dissertação, é apresentada uma discretização heurística para redes bayesianas que procura padrões nos dados e os divide de acordo com os padrões encontrados. esses padrões são identificados por dois eventos: pico e vale, que são otimizados por uma busca através do algoritmo genético. esses dois eventos mudam de acordo com a base de dados, tornando a discretização proposta mais flexível para lidar com diferentes domínios de aplicação. o método de discretização proposto foi testado em duas situações distintas: quando a variável de saída é qualitativa (classificação) e também quando a variável de saída é quantitativa e é necessário estimar o seu valor médio. com os resultados, a conclusão é que o método pode discretizar as variáveis quantitativas através da identificações dos eventos que desviam de um intervalo intermediário nos dados, seja para cima (pico) ou para baixo (vale). também foi observado que o método está ligado à um problema de otimização global quando todas as variáveis quantitativas são discretizadas ao mesmo tempo. o problema da otimização global foi tratado por um algoritmo genético.