Com vistas a colaborar na vigilância epidemiológica da pandemia do COVID-19, este trabalho baseia-se na utilização de regressão por Processos Gaussianos, uma abordagem bayesiana não-linear e não-paramétrica de Aprendizagem de Máquina para séries temporais, com vistas a prever o acumulado de casos de COVID-19 na cidade de Campina Grande, Paraíba. Para tanto, considerou-se uma abordagem auto-regressiva e também a decomposição aditiva da série temporal para efetuar hipóteses acerca das melhores estruturas de kernels para modelar o problema. A partir da análise das métricas de desempenho aferidas, foi possível validar a solução, com especial destaque para as hipóteses iniciais elencadas e boa qualidade de previsão perante poucos dados de treinamento, o que é essencial para cenários práticos de surtos de doenças.