La predicción de los rendimientos de los cultivos es muy útil para garantizar la seguridad alimentaria, planificar la gestión de la cosecha (almacenamiento, transporte y mano de obra) y realizar la planificación del mercado. Sin embargo, en Tanzania, donde la mayoría de la población depende de la agricultura de cultivos como actividad económica principal, las herramientas digitales para predecir los rendimientos de los cultivos aún no están disponibles, especialmente a nivel de base. En este estudio, desarrollamos y evaluamos el Sistema de Predicción de Rendimiento de Maíz (MYPS) que utiliza un servicio de mensajes cortos (SMS) y la Web para permitir a los agricultores rurales (a través de SMS en teléfonos móviles) y a los funcionarios gubernamentales (a través de navegadores web) predecir los rendimientos de maíz a nivel de distrito al final de la temporada en Tanzania. El sistema utiliza modelos de aprendizaje profundo LSTM (Memoria a Corto y Largo Plazo) para pronosticar los rendimientos de maíz a nivel de distrito al final de la temporada a partir de datos de teledetección (NDVI en el satélite Terra MODIS) y datos climáticos [temperatura máxima, temperatura mínima, humedad del suelo y precipitación (lluvia)]. Los hallazgos clave revelan que nuestros modelos de aprendizaje profundo unimodales y bimodales son muy efectivos en predecir los rendimientos de los cultivos, logrando puntajes de error porcentual absoluto medio (MAPE) de 3.656% y 6.648%, respectivamente, en datos de prueba (no vistos). Este sistema ayudará a los agricultores rurales y al gobierno en Tanzania a tomar decisiones críticas para prevenir el hambre y planificar una mejor cosecha y comercialización de los cultivos.