Este trabajo tiene como objetivo aplicar técnicas de aprendizaje profundo para el reconocimiento de la actividad humana. Se han definido e implementado cuatro modelos de red neuronal y se han entrenado con los datos obtenidos a partir de sensores vestibles, colocados en personas que estaban realizando distintas actividades físicas. El conjunto de datos de entrenamiento contiene información realista, teniendo en cuenta el concepto de desplazamiento gradual. Tras la evaluación de los modelos de red propuestos, se observa que las redes recurrentes, al gestionar mejor las series temporales de datos, tienen mayor precisión a la hora de reconocer las actividades. Por otra parte, se ha comprobado que las redes convolucionales mejoran la extracción de características y, estableciendo modelos híbridos, pueden potenciar la capacidad expresiva de las redes recurrentes.