El raster es el tipo más común de datos espaciotemporales, y puede estar espaciado de manera regular o irregular. La predicción espaciotemporal en datos raster regulares es crucial para modelar y comprender dinámicas en diversos ámbitos, como el medio ambiente, el tráfico, la astronomía, la teledetección, los videojuegos y el procesamiento de video, por nombrar algunos. Históricamente, se han utilizado métodos estadísticos y de aprendizaje automático clásico para modelar datos espaciotemporales, y en los últimos años, el aprendizaje profundo ha mostrado resultados sobresalientes en la predicción espaciotemporal de raster regulares. Este trabajo proporciona una revisión autónoma sobre métodos efectivos de aprendizaje profundo para la predicción de datos espaciotemporales raster regulares. Cada técnica de aprendizaje profundo se describe en detalle, subrayando sus ventajas y desventajas. Finalmente, se presenta una discusión sobre aspectos relevantes y futuros desarrollos en el aprendizaje profundo para la predicción espaciotemporal de raster regulares.