A principal diferença entre aprendizado supervisionado e não supervisionado em machine learning é que o aprendizado supervisionado utiliza dados rotulados para treinar o modelo, ou seja, os dados de entrada vêm acompanhados das respostas corretas. Já o aprendizado não supervisionado trabalha com dados sem rótulos, buscando identificar padrões ou agrupamentos sem orientação prévia. Analisando as alternativas: a) Incorreta – é o contrário: aprendizado supervisionado usa dados rotulados, não supervisionado não usa. b) Incorreta – essa distinção não é sobre aplicação acadêmica ou corporativa. c) Incorreta – ambos os tipos utilizam métricas de avaliação, embora de formas diferentes. d) Correta – descreve exatamente a diferença principal. e) Incorreta – eles são diferentes em conceito, não apenas no algoritmo. Portanto, a resposta correta é: d. O aprendizado supervisionado trabalha com dados rotulados, enquanto o não supervisionado explora padrões sem rótulos.