El electrocardiograma (ECG) juega un papel imperativo en el campo médico, ya que registra la señal cardíaca a lo largo del tiempo y se utiliza para descubrir numerosas enfermedades cardiovasculares. Si una señal de ECG documentada tiene una cierta irregularidad en sus características predefinidas, esto se llama arritmia, cuyos tipos incluyen taquicardia, bradicardia, arritmias supraventriculares y ventriculares, etc. Esto nos ha animado a investigar que consiste en distinguir entre varias arritmias utilizando algoritmos de redes neuronales profundas como el perceptrón multicapa (MLP) y la red neuronal convolucional (CNN). La biblioteca TensorFlow que fue establecida por Google para el aprendizaje profundo y el aprendizaje automático se utiliza en python para adquirir los algoritmos propuestos aquí. Las bases de datos de ECG accesibles en PhysioBank.com y kaggle.com se utilizaron para el entrenamiento, prueba y validación de los algoritmos MLP y CNN. El algoritmo propuesto consta de cuatro capas ocultas con pesos, sesgos en MLP, y redes neuronales convolucionales de cuatro capas que mapean muestras de ECG a las diferentes clases de arritmia. La precisión del algoritmo supera el rendimiento de los algoritmos actuales que han sido desarrollados por otros cardiólogos tanto en sensibilidad como en precisión.