Em um problema de aprendizado de máquina, o algoritmo é treinado com exemplos em que cada dado de entrada já está associado à sua respectiva saída correta. Durante o treinamento, o modelo compara sua previsão com o resultado esperado e ajusta seus parâmetros para reduzir os erros. Esse tipo de aprendizado é denominado:

O enunciado descreve um cenário em que o algoritmo é treinado com exemplos rotulados, isto é, cada entrada já vem associada à saída correta (rótulo). Durante o treinamento, o modelo compara a predição com o valor esperado e ajusta seus parâmetros para minimizar o erro (por exemplo, por meio de uma função de perda).

Essa é exatamente a definição de aprendizado supervisionado.

• Aprendizado não supervisionado: não há saídas corretas associadas previamente (sem rótulos).
• Aprendizado por reforço: há interação com ambiente e recompensas/punições, não rótulos diretos por exemplo.

Alternativa correta: (A).