Para entender o que caracteriza um "algoritmo de aprendizado supervisionado", precisamos considerar a definição básica desse tipo de aprendizado. No aprendizado supervisionado, o modelo é treinado usando um conjunto de dados que já possui as respostas corretas (ou rótulos). Isso permite que o modelo aprenda a fazer previsões ou classificações com base nesses dados rotulados. Analisando as alternativas: a) O modelo aprende a partir de dados rotulados, onde as respostas corretas já são conhecidas. - Esta é a definição correta de aprendizado supervisionado. b) O modelo aprende sem supervisionamento, apenas com dados brutos. - Isso descreve o aprendizado não supervisionado, que é diferente. c) O modelo realiza ações sem a necessidade de aprendizado. - Isso não se aplica ao conceito de aprendizado supervisionado. d) O modelo só é capaz de aprender em tempo real, sem dados históricos. - Isso não é uma característica do aprendizado supervisionado. e) Nenhuma das alternativas anteriores. - Como a alternativa (a) está correta, esta opção não se aplica. Portanto, a alternativa correta é: a) O modelo aprende a partir de dados rotulados, onde as respostas corretas já são conhecidas.