Autoencoder – sieć ucząca się kompresji i dekompresji danych.

To specjalny rodzaj sztucznej sieci neuronowej, który służy do uczenia się efektywnej reprezentacji danych przez kompresję oraz późniejszą rekonstrukcję oryginalnych informacji. Proces obejmuje dwie główne fazy: kodowanie, podczas którego dane wejściowe są przekształcane do mniejszej przestrzeni wymiarowej, oraz dekodowanie, gdzie z tej skompresowanej reprezentacji odtwarzane są dane zbliżone do pierwotnych.

Sieć ta uczy się poprzez minimalizację różnicy między danymi wejściowymi a odtworzonym wyjściem, co pozwala na wychwycenie najistotniejszych cech danych. Autoencodery znajdują zastosowanie w redukcji wymiarowości, usuwaniu szumów, generowaniu nowych danych oraz eksploracji struktury danych w dziedzinie uczenia maszynowego i analizy danych.