Machine type communications (mtc) é um dos principais casos de uso do 5g e tende a se tornar ainda mais relevante nas próximas gerações. além disso, por conta da natureza ultra-densa das redes de massive mtc (mmtc), a otimização de métodos de acesso ao meio apresenta diversos desafios. uma solução promissora é a utilização de métodos de aprendizagem de máquina, como aprendizagem por reforço, para alocar eficientemente recursos de rádio aos dispositivos mtc. com isso em mente, neste trabalho é proposto um método distribuído baseado em non-orthogonal multiple access (noma) e q-learning para alocar dinamicamente os dispositivos mtc. os resultados numéricos demonstram que o método proposto é capaz de melhorar muito o throughput da rede quando comparado a métodos de trabalhos recentes.