Autoencoder

Modelo de red neuronal utilizado principalmente para la compresión y reconstrucción de datos. Su arquitectura consta de dos partes principales: un codificador, que reduce los datos a una representación comprimida, y un decodificador, que intenta reconstruir la información original a partir de dicha representación.

Funciona sin supervisión, aprendiendo directamente de los datos de entrada al minimizar la diferencia entre los datos originales y los reconstruidos. Es útil para reducir la dimensionalidad, eliminar ruido y extraer características relevantes de los datos.

Se basa en configuraciones de redes neuronales profundas, que pueden ser personalizadas con capas adicionales o técnicas avanzadas como los autoencoders convolucionales o los autoencoders variacionales (VAE). Encontró aplicaciones en análisis de imágenes, detección de anomalías, preprocesamiento de datos y muchas áreas más, gracias a su capacidad de aprender representaciones eficientes.