Explique la diferencia entre el aprendizaje supervisado y no supervisado. Por favor, dé una respuesta a esta pregunta oralmente.

El aprendizaje supervisado es un método de aprendizaje automático en el que el modelo se entrena con datos etiquetados, es decir, los datos de entrada tienen respuestas correctas correspondientes (etiquetas). El objetivo es aprender a predecir estas etiquetas para nuevos datos. Por ejemplo, clasificar correos electrónicos como spam o no spam.

El aprendizaje no supervisado trabaja con datos no etiquetados, y el modelo intenta identificar estructuras o patrones ocultos por sí mismo, por ejemplo, agrupar objetos similares (clustering) o reducir la dimensionalidad de los datos. Aquí no hay respuestas correctas conocidas de antemano.