Licenciatura em Ciência de Dados
Objetivos educativos
O objetivo da Licenciatura em Ciência de Dados é treinar futuros profissionais capazes de entender, desenvolver e utilizar modelos, algoritmos e as técnicas mais avançadas em matéria de ciência de dados, para analisar e extrair conhecimento do Big Data. Neste curso, os alunos serão expostos a tópicos inovadores que abrangem várias disciplinas (aprendizagem automática, aprendizagem profunda e inteligência artificial) e que são imprescindíveis no campo de rápida evolução da ciência de dados. Pretende formar futuros especialistas em ciência de dados, necessários numa grande diversidade de aplicações industriais e no favorecimento da transição digital das empresas.
Neste contexto, o licenciado em Ciência de Dados deverá:
- Compreender os fundamentos teóricos da estatística, da aprendizagem automática (machine learning) e dos métodos de inteligência artificial;
- Identificar e compreender o algoritmo mais eficiente para cada problema específico;
- Conceber e desenvolver algoritmos de ciência de dados de última geração;
- Trabalhar em estreita colaboração com os especialistas em tecnologias de informação para integrar algoritmos de ciência de dados nos sistemas existentes;
- Identificar os padrões subjacentes e extrair informações úteis do grande volume de dados heterogéneos existentes nas organizações;
- Ser proficiente nos procedimentos estatísticos mais utilizados, quadros, técnicas e sistemas de aprendizagem automática (machine learning);
- Estimular o interesse em acompanhar os avanços científicos na área de ciência de dados e inteligência artificial.
Licenciatura em Ciência de Dados saiba mais aqui.
Caracterização geral
Código DGES
188
Ciclo
Licenciatura (1.º Ciclo)
Grau
Licenciado
Acesso a outros cursos
Coordenador
Data de abertura
setembro 2021
Número máximo de admissões
40
Propinas
Horários
Diurno
Idioma de ensino
Português (se não houver alunos internacionais)
Requisitos para obtenção do grau ou diploma
O programa de estudos está organizado em 6 semestres perfazendo um total de 180 ECTS que se dividem por cinco áreas científicas (Informática, Matemática e Estatística, Ciências Empresariais, Ciências Sociais e do Comportamento, Informática, ou Matemática e Estatística, ou Ciências Empresariais, ou Ciências Sociais e do Comportamento).
Dos 180 ECTS necessários à conclusão do curso, 150 referem-se a disciplinas obrigatórias. Adicionalmente, o aluno deve escolher cinco disciplinas de opção que corresponderão a 30 ECTS. Todas as disciplinas de opção podem ser realizadas no âmbito dos programas de mobilidade interna (na Universidade Nova de Lisboa) e externa (por exemplo o Programa Erasmus) previstos.
Condições de acesso
Apresentação de candidaturas ao concurso nacional de acesso ao ensino superior 2021:
- 1.ª Fase: de 6 a 20 de agosto de 2021;
- 2.ª Fase: de 27 de setembro a 8 de outubro de 2021.
Código de Estabelecimento: 0906
Código de Curso: L188
Fórmula da Nota de Candidatura
- Ensino Secundário: 65%
- Prova de Ingresso: 35%
Classicações Mínimas:
- Nota de Candidatura: 100
- Nota de Ingresso: 95
Pré-Requisitos: Não tem
Prova de Ingresso: (Um dos seguintes conjuntos):
- 19 - Matemática A
- 19 - Matemática A
- 04 - Economia
- 19 - Matemática A
- 10 - Geometria Descritiva
Exames a Realizar (Um dos seguintes conjuntos):
- 635 - Matemática A
- 635 - Matemática A + 712 - Economia A
- 635 - Matemática A + 708 - Geometria Descritiva A
Nota de Candidatura do Último Colocado pelo Contingente Geral 2020-2021
1ª Fase – N/A
2ª Fase – N/A
Mais informações sobre o acesso aqui.
Regras de avaliação
Estrutura
| 1º ano - semestre Outono | ||
|---|---|---|
| Código | Nome | ECTS |
| 100001 | Álgebra Linear | 4.0 |
| 100008 | Análise Matemática I | 5.0 |
| 100152 | Arquiteturas de Computadores | 4.0 |
| 100151 | Aspetos Fundamentais da Ciência de Dados | 4.0 |
| 100150 | Introdução à Programação | 7.0 |
| 100094 | Sistemas de Informação | 6.0 |
| 1º ano - semestre Primavera | ||
|---|---|---|
| Código | Nome | ECTS |
| 100160 | Algoritmos e Estruturas de Dados | 6.0 |
| 100010 | Análise Matemática II | 6.0 |
| 100035 | Desenvolvimento Pessoal I | 2.0 |
| 100156 | Estatística e Distribuições de Probabilidade | 6.0 |
| 100159 | Introdução à Inteligência Artificial | 5.0 |
| 100158 | Introdução ao Pensamento Computacional e Ciência de Dados | 4.0 |
| 2º ano - semestre Outono | ||
|---|---|---|
| Código | Nome | ECTS |
| 100163 | Aprendizagem Máquina I | 6.0 |
| 100012 | Base de Dados | 6.0 |
| 100161 | Inferência Estatística | 6.0 |
| 100162 | Préprocessamento de dados e visualização | 6.0 |
| 100157 | Programação para a Ciência de Dados | 6.0 |
| 2º ano - semestre Primavera | ||
|---|---|---|
| Código | Nome | ECTS |
| 100165 | Algoritmos de Optimização | 6.0 |
| 100164 | Análise de Regressão | 6.0 |
| 100167 | Aprendizagem Máquina II | 6.0 |
| 100166 | Armazenamento de Grandes Volumes de Dados | 6.0 |
| 100086 | Métodos de Previsão | 6.0 |
| 3º ano - semestre Outono | ||
|---|---|---|
| Código | Nome | ECTS |
| 100172 | Análise de Grandes Volumes de Dados | 6.0 |
| 100169 | Aprendizagem Profunda | 6.0 |
| 100168 | Aspetos Éticos, Sociais e Legais da Inteligência Artificial | 2.0 |
| 100040 | Desenvolvimento Pessoal II | 2.0 |
| 100171 | Projeto de Curso | 8.0 |
| 100170 | Text Mining | 6.0 |
| 3º ano - semestre Primavera | ||
|---|---|---|
| Código | Nome | ECTS |
| Opções | ||
| 100153 | Análise de Redes | 6.0 |
| 100154 | Direito da Informática e da Informação | 4.0 |
| 100051 | Empreendedorismo e Análise de Projetos | 4.0 |
| 100148 | Geospatial Analytics | 4.0 |
| 100064 | Gestão de Risco | 6.0 |
| 100155 | Inteligência de Processos | 4.0 |
| 100134 | Projetos de Inovação Digital | 4.0 |
| 100092 | Seminário de Sistemas de Informação | 6.0 |
| 100103 | Web Analytics | 4.0 |
| 100105 | Web Marketing e Comércio Electrónico | 4.0 |