La epidemia de coronavirus (COVID-19) está creciendo rápidamente en todo el mundo. La primera enfermedad respiratoria aguda atípica se reportó en diciembre de 2019, en Wuhan, China. Esto se propagó rápidamente desde la ciudad de Wuhan a otras ubicaciones. Los algoritmos de aprendizaje profundo (DL) son una de las mejores soluciones para reconocer de manera constante y rápida el COVID-19. Anteriormente, muchos investigadores utilizaron enfoques de vanguardia para la clasificación del COVID-19. En este documento, presentamos un enfoque de aprendizaje profundo con el modelo EfficientnetB4, centrado en el aprendizaje por transferencia, para la clasificación del COVID-19. El aprendizaje por transferencia es una técnica popular que utiliza modelos pre-entrenados que han sido entrenados en la base de datos ImageNet y empleados en un nuevo problema para aumentar la generalización. Presentamos un enfoque de entrenamiento en profundidad para extraer las propiedades visuales del COVID-19 a cambio de proporcionar una evaluación médica antes de las pruebas de infección. La metodología propuesta se evalúa en un conjunto de datos de imágenes de rayos X de acceso público. El marco propuesto alcanza una precisión del 97%. Los hallazgos experimentales de nuestro modelo demuestran que es extremadamente exitoso en la identificación del COVID-19 y que puede ser suministrado a organizaciones de salud como un sistema de apoyo a decisiones preciso, rápido y exitoso para la identificación del COVID-19.