En los últimos años, el enfoque de incrustación de grafos ha atraído mucha atención en el campo de la representación y análisis de redes, cuyo propósito es codificar automáticamente los elementos de la red en un espacio vectorial de baja dimensión, preservando ciertas propiedades estructurales. Sobre esta base, se pueden implementar métodos de aprendizaje automático para resolver tareas analíticas de redes estáticas, por ejemplo, la agrupación de nodos basada en incrustaciones que preservan comunidades. Sin embargo, al centrarse solo en las propiedades estructurales, sería difícil caracterizar y manipular diversas dinámicas que operan en la red. En el campo de las redes complejas, la propagación epidémica es una de las dinámicas más típicas en las redes, mientras que la inmunización de redes es uno de los métodos efectivos para suprimir las epidemias. En consecuencia, en este artículo, presentamos un método de incrustación de grafos que preserva dinámicas (EpiEm) para conservar la propiedad de las dinámicas epidémicas en las redes, es decir, la infectividad y vulnerabilidad de los nodos de la red. Específicamente, primero generamos un conjunto de secuencias de propagación simulando el proceso Susceptible-Infectado en una red. Luego, aprendemos las incrustaciones de nodos a partir de una matriz de influencia utilizando un método de descomposición en valores singulares. Finalmente, mostramos que las incrustaciones de nodos pueden utilizarse para resolver problemas relacionados con epidemias, minería de comunidades e inmunización de redes. Los resultados experimentales en redes del mundo real muestran que el método de incrustación propuesto supera a varios métodos de referencia tanto en minería de comunidades como en inmunización de redes. El método propuesto ofrece nuevas perspectivas para la exploración de otras dinámicas colectivas en redes complejas utilizando el enfoque de incrustación de grafos, como la formación de opiniones en redes sociales.