Una parametrización de forma de perfil aerodinámico que pueda generar un espacio de diseño compacto es altamente deseable en la práctica. En este artículo, se propone una parametrización compacta de perfiles aerodinámicos incorporando el aprendizaje profundo en el método de parametrización PAERO basado en la teoría del perfil delgado. Siguiendo la parametrización PAERO, la línea de curvatura media se representa mediante una serie de parámetros de rendimiento aerodinámico, que pueden utilizarse para reducir el espacio de diseño de acuerdo con la teoría del perfil delgado. Con el fin de reducir aún más el espacio de diseño, la distribución del grosor del perfil aerodinámico se representa mediante modelos generativos impulsados por datos, que se entrenan con las distribuciones de grosor de perfiles aerodinámicos existentes. Los modelos entrenados pueden filtrar automáticamente las formas de perfil aerodinámico físicamente irrazonables, lo que resulta en un espacio de diseño altamente compacto. Los resultados de las pruebas muestran que el método propuesto es significativamente más eficiente y más robusto que el método de parametrización CST ampliamente utilizado para la optimización de perfiles aerodinámicos.