La proliferación de nuevas tecnologías y los avances en las existentes están alterando nuestra perspectiva del mundo. Por lo tanto, se necesitan mejoras continuas. Se creó un mundo conectado lleno de una gran cantidad de datos como resultado de la integración de estas tecnologías avanzadas en el sector financiero. Las ventajas de esta conexión vinieron a costa de ataques más sofisticados y avanzados, como las transacciones fraudulentas. Para abordar estas transacciones ilegales, investigadores e ingenieros han creado e implementado varios sistemas y modelos para detectar transacciones fraudulentas; muchos de ellos producen mejores resultados que otros. Por otro lado, los criminales cambian sus estrategias y tecnologías para imitar transacciones legítimas. En este artículo, el objetivo es proponer un sistema inteligente para detectar transacciones fraudulentas utilizando diversas arquitecturas de aprendizaje profundo, incluidas las redes neuronales artificiales (ANN), las redes neuronales recurrentes (RNN) y la memoria a largo y corto plazo (LSTM). Además, se utiliza el algoritmo de optimización bayesiana para la optimización de hiperparámetros. Para la evaluación, se utilizó un conjunto de datos de transacciones fraudulentas con tarjeta de crédito. Basado en los muchos experimentos realizados, la arquitectura RNN demostró mejor eficiencia y produjo mejores resultados en un tiempo computacional más corto que las arquitecturas ANN LSTM.