Análise e Engenharia de Big Data

Objetivos educativos

O Mestrado em Análise e Engenharia de Big Data tem como objetivo formar especialistas, a nível de um 2.º ciclo de estudos, no domínio emergente de Ciência de Dados e Engenharia de Dados, e destina-se a candidatos com formação ao nível de um 1.º ciclo de estudos, possuidores de bases matemáticas e de programação.

O curso desenvolve competências relativamente ao processamento e análise de grandes volumes de dados por métodos computacionais e matemáticos avançados, e metodologias para procurar e encontrar respostas necessárias aos processos de gestão, monitorização, e otimização, ou extrair conhecimento, tendências, correlações, ou previsões, em particular através de aprendizagem automática.

Os objetivos do curso estão alinhados com a “Iniciativa Nacional Competências Digitais e.2030“, nos eixos da especialização (item qualificação e criação de maior valor acrescentado na economia) e de investigação (item big data).

Caracterização geral

Código DGES

994

Ciclo

Mestrado (2.º Ciclo)

Grau

Mestre

Acesso a outros cursos

Acesso ao 3.º ciclo

Coordenador

Pedro Manuel Corrêa Calvente Barahona

Data de abertura

Setembro

Número máximo de admissões

25

Propinas

1063,47 Euros/ano ou 7000,00 Euros/ano (para estudantes estrangeiros).

O pagamento pode ser feito em 3 prestações.

Horários

Diurno

Idioma de ensino

A disponibilizar brevemente

Requisitos para obtenção do grau ou diploma

Duração: 2 anos

Créditos totais: 120 ECTS

Áreas científicas obrigatórias

Área científica Sigla Créditos (ECTS)
Obrigatórios Optativos
Informática I 18 6
Matemática M 12 6
Informática ou Matemática M/I  63 6
Competências Complementares CC   3  0
Qualquer Área Científica    QAC  -  6 a)
TOTAL 96 24

 a) 6 créditos ECTS em unidades curriculares escolhidas pelo estudante numa lista, aprovada anualmente pelo Conselho Científico da FCT/UNL, que inclui unidades de todas as áreas científicas da FCT/UNL.

Condições de acesso

A disponibilizar brevemente

Regras de avaliação

A avaliação de todas as UC é contínua para todas as componentes que a integrarem, tendo obrigatoriamente de estar concluída até ao último dia do período de aulas do semestre letivo.

A avaliação contínua de uma UC tem de incluir um mínimo de três elementos no conjunto das componentes de avaliação, em datas adequadamente espaçadas ao longo do período de aulas.

Todas as UC com componente de avaliação teórico-prática têm de prever, supletivamente, uma forma de avaliação desta componente por exame, a realizar após o período de aulas (Exame de Recurso).

Todos os requisitos e condições respeitantes à avaliação das UC, nomeadamente os pesos e classificações mínimas, caso existam, de cada componente, bem como as condições de Frequência, são definidas a priori e, obrigatoriamente, publicados na Ficha da Disciplina.  

Para cada UC são admitidas combinações de três componentes de avaliação: (i) Avaliação teórico-prática; (ii) Avaliação laboratorial ou de projeto; (iii) Avaliação sumativa.

A disciplina de Dissertação (ou Projeto) compreende uma discussão pública com Júri, de acordo com lei.

Ver Regulamento de Avaliação de Conhecimentos (Licenciaturas, Mestrados Integrados e Mestrados)

Estrutura

1.º Semestre
Código Nome ECTS
11157 Aprendizagem Automática 6.0
8518 Estatística Multivariada 6.0
10810 Estatística Numérica Computacional 6.0
12077 Recuperação de Informação 6.0
12078 Sistemas para Processamento de Big Data 6.0
2.º Semestre
Código Nome ECTS
10380 Empreendedorismo 3.0
12079 Seminário 3.0
2.º Semestre - Unidade Curricular de Bloco Livre
Código Nome ECTS
Opções
11066 Opção(ões) Livre(s) 6.0
2.º Semestre - Unidade de Especialização I
Código Nome ECTS
Opções
12083 Algoritmos para Redes Complexas 6.0
12082 Análise de Grandes Grafos 6.0
12084 Aprendizagem com Dados Não Estruturados 6.0
12081 Decisão e Risco 6.0
12080 Métodos Bayesianos 6.0
12145 Otimização Linear 6.0
10808 Otimização Não Linear 6.0
11562 Processamento de Streams 6.0
11563 Prospeção e Análise de Dados 6.0
11565 Visualização Interativa de Dados 6.0
O aluno deverá obter 6.0 créditos nesta opção.
2.º Semestre - Unidade de Especialização II
Código Nome ECTS
Opções
12083 Algoritmos para Redes Complexas 6.0
12082 Análise de Grandes Grafos 6.0
12084 Aprendizagem com Dados Não Estruturados 6.0
12081 Decisão e Risco 6.0
12080 Métodos Bayesianos 6.0
12145 Otimização Linear 6.0
10808 Otimização Não Linear 6.0
11562 Processamento de Streams 6.0
11563 Prospeção e Análise de Dados 6.0
11565 Visualização Interativa de Dados 6.0
O aluno deverá obter 6.0 créditos nesta opção.
2.º Semestre - Unidade de Especialização III
Código Nome ECTS
Opções
12083 Algoritmos para Redes Complexas 6.0
12082 Análise de Grandes Grafos 6.0
12084 Aprendizagem com Dados Não Estruturados 6.0
12081 Decisão e Risco 6.0
12080 Métodos Bayesianos 6.0
12145 Otimização Linear 6.0
10808 Otimização Não Linear 6.0
11562 Processamento de Streams 6.0
11563 Prospeção e Análise de Dados 6.0
11565 Visualização Interativa de Dados 6.0
O aluno deverá obter 6.0 créditos nesta opção.
2.º Ano
Código Nome ECTS
12085 Dissertação em Análise e Engenharia de Big Data 60.0