El entrenamiento supervisado (supervised learning en inglés) es un tipo de aprendizaje automático en el que se entrena un modelo de machine learning utilizando ejemplos etiquetados. Es decir, el modelo se entrena con datos de entrada y las respuestas correctas correspondientes.

En el entrenamiento supervisado, el modelo aprende a hacer predicciones o clasificaciones a partir de los datos de entrada y las etiquetas correspondientes. Por ejemplo, en la clasificación de imágenes, el modelo puede entrenarse con imágenes etiquetadas con las categorías correspondientes (por ejemplo, perros, gatos, automóviles, etc.) para que pueda clasificar nuevas imágenes en una de esas categorías.

Existen diferentes tipos de algoritmos de entrenamiento supervisado, incluyendo algoritmos de regresión y clasificación. Los algoritmos de regresión se utilizan para predecir valores numéricos continuos, como el precio de una casa o la cantidad de ventas en un mes determinado. Los algoritmos de clasificación se utilizan para predecir categorías discretas, como las categorías de clasificación de imágenes mencionadas anteriormente.

El entrenamiento supervisado es una técnica de aprendizaje muy utilizada en el campo de la inteligencia artificial y el machine learning, ya que permite entrenar modelos precisos y útiles para una amplia variedad de aplicaciones. Sin embargo, una limitación de este tipo de entrenamiento es que requiere grandes conjuntos de datos etiquetados, lo que puede ser costoso y difícil de obtener en algunos casos.