El mercado de criptomonedas presenta inmensas oportunidades y riesgos significativos debido a su alta volatilidad. La previsión precisa de precios es crucial para tomar decisiones de inversión informadas, lo que permite a los inversores optimizar la asignación de su cartera, mitigar riesgos y potencialmente maximizar retornos. Los métodos de previsión existentes a menudo luchan con la no estacionariedad inherente y la complejidad de la dinámica de precios de las criptomonedas. Este estudio aborda este desafío desarrollando un sistema para la previsión de alta frecuencia de los precios de cierre de diez criptomonedas líderes. Comparamos varios modelos de aprendizaje automático, incluyendo redes neuronales recurrentes (RNN), análisis de series temporales (ARIMA) y algoritmos de regresión convencionales, utilizando datos de precios de Bitcoin a un minuto durante un período de 30 días para predecir precios 60 minutos adelante. Nuestros hallazgos demuestran que la red neuronal GRU exhibe una precisión predictiva superior (MAPE = 0.09%, MSE = 5954.89, RMSE = 77.17, MAE = 60.20), superando a otros modelos considerados. Esta mejora en la precisión de la previsión contribuye a la literatura existente al proporcionar evidencia empírica de la efectividad de GRU en el volátil mercado de criptomonedas y ofrece perspectivas prácticas para estrategias de inversión. Una aplicación web que integra el modelo de mejor rendimiento facilita aún más la predicción de precios en tiempo real para múltiples criptomonedas.