Objetivo: Presentar el diseño de una red neuronal profunda (DNN) enfocada a predecir patrones de deserción estudiantil en la Universidad UPTC de Colombia. Metodología: Aplicamos algoritmos especializados de inteligencia artificial (IA) para la implementación de la DNN específicamente utilizando una máquina de aprendizaje para tareas de clasificación y agrupación. Adicionalmente, se estructuró un dataset que contiene 17 atributos de 3000 estudiantes académicamente activos; el conjunto de datos ha sido preparado para ser entrenado como una entrada a la red neuronal. Resultados: En la investigación se analiza un modelo predictivo entrenado a través de la DNN validado por varias métricas de calidad que demuestran la confiabilidad y precisión de los resultados logrados a través del modelo. Conclusiones: Hemos centrado nuestro estudio en la aplicación de la arquitectura de redes neuronales para abordar este problema de abandono. Nuestro modelo logra no solo una alta precisión, sino también una baja tasa de falsos negativos mientras predice abandonos en el conjunto de datos recopilados.