El monitoreo de la calidad de la experiencia del usuario es un desafío para los servicios de transmisión de video. Los modelos de evaluación de la Calidad de Experiencia del Usuario (QoE) como el Rec. P.1203 de la UIT-T son muy prometedores. Entre los datos de entrada que requieren se encuentran la ocurrencia y duración de eventos de congelamiento. Un evento de congelamiento es una interrupción en la reproducción de contenido multimedia, y su impacto negativo en la QoE es inmenso. Dada la idiosincrasia de este tipo de evento, contar con él y su duración es una tarea compleja de automatizar, es decir, sin la participación del usuario que visualiza los eventos o sin acceso directo al dispositivo final. En este trabajo, proponemos dos métodos para superar estas limitaciones en la transmisión de video utilizando el marco de trabajo DASH. El primer método está destinado a detectar eventos de congelamiento. Para simplificar, se basa en el comportamiento de los datos de la capa de transporte y es capaz de clasificar un paquete IP como perteneciente (o no) a un evento de congelamiento. El segundo método tiene como objetivo predecir si el siguiente paquete IP de un flujo multimedia pertenecerá a un evento de congelamiento (o no), utilizando una red neuronal recurrente con una variante de la Memoria a Corto y Largo Plazo (LSTM). Nuestros resultados muestran que el modelo de detección es capaz de identificar la ocurrencia de un evento de congelamiento antes de que sea experimentado por el usuario, y el modelo de predicción es capaz de predecir si el siguiente paquete pertenecerá a un evento de congelamiento con una tasa de error del 10.83%, logrando un puntaje F1 de 0.923.