A Extração de Características (Feature Extraction) é uma tarefa primordial no campo do Reconhecimento de Padrões (Pattern Recognition), área do Aprendizado Computacional empregada na resolução de inúmeros problemas práticos. Há na literatura de Extração de Características inúmeros métodos, entre supervisionados e não supervisionados, cujo objetivo principal é criar uma representação compacta de dados complexos, projetando em um vetor de baixa dimensionalidade os dados com elevado número de dimensões – tais como imagens, texto, grafos, etc. Essas projeções, também chamadas de vetores de características, possuem inúmeras vantagens que alavancam a acurácia das técnicas de reconheimento de padrões, entre elas as Redes Neurais Artificiais. O advento do Aprendizado Profundo (Deep Learning) potencializou os modelos de Extração de Características criando o conceito de Deep Embeddings: modelos que são capazes de representar dados de alta complexidade em um espaço dimensional semanticamente interpretável. Esse minicurso tem como objetivo apresentar as principais técnicas de Extração de Características e o estado da arte das técnicas de Deep Embedding, apresentando a teoria subjacente e exemplos de códigos na linguagem Python.