El aprendizaje profundo, que es un subcampo del aprendizaje automático, ha abierto una nueva era para el desarrollo de redes neuronales. El auto-codificador es un componente clave de la estructura profunda, que se puede utilizar para realizar aprendizaje por transferencia y desempeña un papel importante tanto en el aprendizaje no supervisado como en la extracción de características no lineales. Al resaltar las contribuciones y desafíos de los artículos de investigación recientes, este trabajo tiene como objetivo revisar los algoritmos de auto-codificador de vanguardia. En primer lugar, presentamos el auto-codificador básico, así como su concepto y estructura básicos. En segundo lugar, presentamos un resumen exhaustivo de las diferentes variantes del auto-codificador. En tercer lugar, analizamos y estudiamos los auto-codificadores desde tres perspectivas diferentes. También discutimos las relaciones entre los auto-codificadores, los modelos superficiales y otros modelos de aprendizaje profundo. El auto-codificador y sus variantes se han aplicado con éxito en una amplia gama de campos, como el reconocimiento de patrones, la visión por computadora, la generación de datos, los sistemas de recomendación, etc. Luego, nos enfocamos en las herramientas disponibles para los auto-codificadores. Finalmente, este trabajo resume las tendencias y desafíos futuros en el diseño y entrenamiento de auto-codificadores. Esperamos que esta encuesta proporcione una buena referencia al usar y diseñar modelos AE.