Licenciatura Ciência de Dados

• Apresentação

  Apresentação

  Ciência de Dados, como definido por especialistas no campo, é uma ciência experimental multidisciplinar que vem dar resposta ao grande volume de dados "big-data" que tem crescido de forma exponencial face ao desenvolvimento tecnológico recente. A oportunidade de transformar estes dados em informação e conhecimento, em prol do bem da sociedade, é essencial tando no negócio como na ciência entre outras áreas com impacto social. Neste ciclo de estudo apresentamos um programa com fortes componentes em: Estatística, Matemática, Aprendizagem Automatizada, Programação, Extração e Manuseamento de dados, diversas componentes de Engenharia de Dados e uma forte incidência no tema de Privacidade, Segurança e Ética.

• Condições de Ingresso

  Condições de Ingresso

  Podem candidatar-se a este ciclo de estudos os que apresentem candidatura através do concurso institucional de acesso e tenham aprovação a um dos seguintes conjuntos:
  
  

  • 04 Economia
  • 16 Matemática

  ou

  • 07 Física e Química
  • 16 Matemática

  ou

  • 16 Matemática

  
  
  Os candidatos podem ainda ingressar através dos regimes de mudança de par instituição/curso, ou ainda através de um Concurso Especial, de acordo com as normas legais em vigor (titulares de cursos superiores, titulares de CET¿s, titulares de CTSP, Maiores de 23 anos, titulares de cursos de dupla certificação). Podem ainda ingressar os candidatos que reúnam as condições previstas no Estatuto do Estudante Internacional.

• Destinatários

  Destinatários

  Este ciclo de estudos destina-se a candidatos com bases em áreas de Informática, Estatística, Física, Matemática, Gestão, Ciências Economias e Financeiras ou afins, que queiram adquirir competências na área de Ciência de Dados.

• Competências

  Competências

  (1) completar os ciclos de análise experimental; (2) obter resultados de qualidade científica com fluidez; (3) saber integrar-se e trabalhar em equipas multidisciplinares, (4) boa capacidade de síntese a apresentar resultados.

• Plano de estudos

  Plano de estudos

  Despacho n.º 11537/2022, de 22 de setembro, alterado pelo Despacho n.º 7351/2023 de 12 de julho

  • 1º Ano / Tronco comum
    • [1º Semestre]
    • Fundamentos de Ciência de Dados 6 ects
    • Fundamentos de Programação 6 ects
    • Matemática Discreta 6 ects
    • Matemática I 6 ects
    • Probabilidades e Estatística 6 ects

    • [2º Semestre]
    • Álgebra Linear 6 ects
    • Análise Exploratória de Dados 6 ects
    • Análise Numérica 6 ects
    • Linguagens de Programação 6 ects
    • Matemática II 6 ects
  • 2º Ano / Tronco comum
    • [1º Semestre]
    • Algoritmia e Estrutura de Dados 6 ects
    • Bases de Dados 6 ects
    • Ciência de Dados 6 ects
    • Fundamentos de Engenharia de Dados 6 ects
    • Introdução à Inteligência Artificial 6 ects

    • [2º Semestre]
    • Aprendizagem Automatizada I 6 ects
    • Inteligência Artificial 6 ects
    • Introdução à Teoria de Grafos e Redes 6 ects
    • Introdução aos Processos Estocásticos 6 ects
    • Visualização para Ciência de Dados 6 ects
  • 3º Ano / Tronco comum
    • [Anual]
    • Trabalho Final de Curso 20 ects

    • [1º Semestre]
    • Aprendizagem Automatizada II 5 ects
    • Introdução à Privacidade, Segurança e Ética 5 ects
    • Metodologias de Investigação Científica 5 ects
    • Visão Computacional 5 ects

    • [2º Semestre]
    • Aprendizagem Automatizada III 5 ects
    • Business Analytics 5 ects
    • Investigação Operacional 5 ects
    • Séries Temporais 5 ects

• Corpo Docente

  Corpo Docente

  Afonso Fernandes Oliveira

  Andre Vieira Vassalo Da Fonseca

  Carlos Miguel Da Costa Fernandes

  Gabriela Eleutério Soares

  Houda Harkat

  João Pedro Matos-carvalho

  Luis Gomes

  Luís Miguel Serra Da Costa Campos

  Manuel Pita

  Maria José De Almeida E Silva

  Martim Duarte Barja Mourão

  Pedro Hugo De Queirós Alves

  Rui Ribeiro

  Sofia Da Silva Fernandes

  Sofia Naique

  Wellington De Oliveira Junior

  Ver todos os docentes

• Saídas Profissionais

  Saídas Profissionais

  - Data Scientist / Cientista de Dados - Applied Data Scientist / Cientista de dados Aplicado - Applied Data Researcher / Investigador de Dados Aplicado - Applied Machine Learning Researcher / Investigador de Aprendizagem Automatizada Aplicada - Business Intelligence Analyst / Analista de Inteligência de Negócio

• Áreas Científicas

  Áreas Científicas

  Ciências informáticas

• Observações

  Observações

  Metodologia de avaliação (1) Expositiva, que expõe a apresentação teórica de acordo com o plano curricular (2) Experimental, estimula o desenvolvimento experimental fundamental em ciências de dados (3) Activa, promove o trabalho em equipa e (4) Auto-Estudo Modelo de Ensino Presencial

Departamento de Engenharia Informática e Sistemas de Informação

• Website do DEISI