Este estudio considera la tarea de aplicar inteligencia artificial para reconocer el fraude bancario. En los últimos años, debido a la pandemia de COVID-19, el fraude bancario se ha vuelto aún más común debido a la masiva transición de muchas operaciones a plataformas en línea y la creación de numerosos fondos de caridad que los criminales pueden utilizar para engañar a los usuarios. El presente trabajo se centra en los algoritmos de aprendizaje automático como una herramienta adecuada para analizar y reconocer transacciones bancarias en línea. La novedad científica del estudio es el desarrollo de modelos de aprendizaje automático para identificar transacciones bancarias fraudulentas y técnicas para el preprocesamiento de datos bancarios para una posterior comparación y selección de los mejores resultados. Este documento también detalla varios métodos para mejorar la precisión de detección, es decir, el manejo de conjuntos de datos altamente desequilibrados, la transformación de características y la ingeniería de características. El modelo propuesto, basado en una red neuronal artificial, mejora efectivamente la precisión de la detección de transacciones fraudulentas. Los resultados de los diferentes algoritmos se visualizan y el algoritmo de regresión logística es el mejor, con un valor de AUC de salida de aproximadamente 0.946. La generalización apilada muestra un mejor AUC de 0.954. El reconocimiento de fraude bancario utilizando algoritmos de inteligencia artificial es un tema actual en nuestra sociedad digital.