El phishing por correo electrónico es una amenaza cibernética generalizada que puede resultar en el robo de información sensible y pérdidas financieras. Utiliza correos electrónicos maliciosos para engañar a los destinatarios y obtener información confidencial o transferencias de dinero, a menudo haciéndose pasar por organizaciones o individuos legítimos. A medida que la tecnología avanza y los atacantes se vuelven más sofisticados, el problema del phishing por correo electrónico se vuelve cada vez más difícil de detectar y prevenir. En este documento de investigación, se exploran el uso de técnicas de aprendizaje profundo, incluyendo redes neuronales convolucionales (CNNs), redes neuronales de memoria a corto y largo plazo (LSTM), redes neuronales recurrentes (RNNs) y representaciones de codificador bidireccional de transformadores (BERT), para detectar ataques de phishing por correo electrónico. Se utilizó un conjunto de datos de correos electrónicos de phishing y benignos, y se extrajo un conjunto de características relevantes utilizando técnicas de procesamiento del lenguaje natural (NLP). El modelo de aprendizaje profundo propuesto fue entrenado y probado utilizando el conjunto de datos, y se descubrió que puede lograr una alta precisión en la detección de phishing por correo electrónico en comparación con otras investigaciones de vanguardia, donde el mejor rendimiento se observó al utilizar BERT y LSTM con una precisión del 99.61%. Los resultados demuestran el potencial del aprendizaje profundo para mejorar la detección de phishing por correo electrónico y proteger contra esta amenaza omnipresente.