Para entender o aprendizado supervisionado, é fundamental saber que ele envolve o uso de dados rotulados, onde cada entrada tem uma saída conhecida. Isso permite que o modelo aprenda a mapear as entradas para as saídas corretas. Vamos analisar as alternativas: a) O modelo aprende sem qualquer tipo de feedback ou rótulo nos dados. - Isso descreve aprendizado não supervisionado, não supervisionado. b) O modelo é treinado com dados rotulados, ou seja, entradas com saídas conhecidas. - Esta é a definição correta do aprendizado supervisionado. c) O modelo ajusta seus parâmetros sem a necessidade de dados de entrada. - Isso não faz sentido no contexto de aprendizado supervisionado. d) O modelo usa apenas dados não estruturados. - Isso também não se aplica ao aprendizado supervisionado, que requer dados estruturados e rotulados. e) O modelo é treinado por meio de um processo de tentativa e erro. - Isso se relaciona mais ao aprendizado por reforço, não ao aprendizado supervisionado. Portanto, a alternativa correta que descreve melhor o aprendizado supervisionado é: b) O modelo é treinado com dados rotulados, ou seja, entradas com saídas conhecidas.