Para entender o que é um hyperparameter (hiperparâmetro) em aprendizado de máquina, é importante saber que ele é um parâmetro que não é aprendido diretamente pelo modelo durante o treinamento, mas sim definido antes do processo de treinamento. Os hiperparâmetros influenciam o desempenho do modelo e podem incluir configurações como a taxa de aprendizado, o número de camadas em uma rede neural, entre outros. Analisando as opções: a) O parâmetro ajustado automaticamente durante o treinamento do modelo. - Isso se refere a parâmetros, não a hiperparâmetros. b) O parâmetro usado para calcular a função de perda do modelo. - Isso também se refere a parâmetros do modelo, não a hiperparâmetros. c) O parâmetro ajustado antes do treinamento e influencia o desempenho do modelo. - Esta definição está correta para hiperparâmetros. d) O parâmetro que define a quantidade de dados utilizada para treinamento. - Isso não é uma definição de hiperparâmetro. e) O parâmetro que controla a forma da rede neural em modelos profundos. - Embora isso possa se referir a um hiperparâmetro específico, não é uma definição geral. Portanto, a alternativa correta é: c) O parâmetro ajustado antes do treinamento e influencia o desempenho do modelo.