Bitcoin ha recibido recientemente mucha atención de los medios y el público debido a su reciente aumento y caída de precios. Correspondientemente, muchos investigadores han investigado varios factores que afectan el precio de Bitcoin y los patrones detrás de sus fluctuaciones, en particular, utilizando varios métodos de aprendizaje automático. En este documento, estudiamos y comparamos varios métodos de aprendizaje profundo de última generación como una red neuronal profunda (DNN), un modelo de memoria a corto plazo (LSTM), una red neuronal convolucional, una red residual profunda y sus combinaciones para la predicción del precio de Bitcoin. Los resultados experimentales mostraron que aunque los modelos de predicción basados en LSTM superaron ligeramente a los otros modelos de predicción para el precio de Bitcoin (regresión), los modelos basados en DNN tuvieron el mejor rendimiento para la predicción de subidas y bajadas de precios (clasificación). Además, un análisis de rentabilidad simple mostró que los modelos de clasificación fueron más efectivos que los modelos de regresión para el trading algorítmico. En general, el rendimiento de los modelos de predicción propuestos basados en aprendizaje profundo fue comparable.