En este artículo se presenta una primera aproximación al problema de identificación no paramétrica de sistemas muestreados asíncronamente. La solución propuesta parte, en primer lugar, de la generación de un cuaderno de trayectorias, que se ajustan a partir de los datos asíncronos disponibles. Posteriormente, se presenta un mecanismo de aprendizaje no paramétrico basado en interpolación de Lipschitz. Éste permite realizar predicciones, con error acotado, del valor de los estados del sistema. El mecanismo de aprendizaje, aunque basado en la literatura, es novedoso, al tener que manejar trayectorias n-dimensionales, en vez de vectores de n dimensiones. Se valida el método sobre el sistema dinámico caótico conocido como el atractor de Lorenz.