Vamos analisar as alternativas uma a uma para encontrar a correta sobre o aprendizado supervisionado: a) O aprendizado supervisionado não requer dados rotulados para treinar os algoritmos. - Esta afirmação é falsa, pois o aprendizado supervisionado, por definição, requer dados rotulados. b) Os modelos de aprendizado supervisionado não são capazes de aprender a partir de exemplos de entrada e saída. - Esta afirmação é falsa, já que o aprendizado supervisionado é baseado exatamente em aprender a partir de exemplos de entrada e saída. c) Os algoritmos não ajustam seus parâmetros para minimizar a diferença entre as saídas previstas e as saídas reais. - Esta afirmação é falsa, pois o ajuste dos parâmetros para minimizar a diferença é uma parte fundamental do aprendizado supervisionado. d) Os algoritmos são treinados com dados rotulados e cada entrada é associada a uma saída desejada, permitindo ao modelo aprender a relação entre as entradas e as saídas. - Esta afirmação é verdadeira e descreve corretamente o processo de aprendizado supervisionado. e) No aprendizado - A opção está incompleta e não pode ser avaliada. Portanto, a alternativa correta é: d) Os algoritmos são treinados com dados rotulados e cada entrada é associada a uma saída desejada, permitindo ao modelo aprender a relação entre as entradas e as saídas.