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
Mauro Castelli
Data de abertura
setembro 2023
Número máximo de admissões
45
Propinas
Horários
Diurno
Idioma de ensino
Inglês
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 2023:
- 1.ª Fase: de 24 de julho a 7 de agosto
- 2.ª Fase: de 28 de agosto a 5 de setembro
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 2022-2023
- 1ª Fase: 16,88
- 2ª Fase: 17,26
Regras de avaliação
Estrutura
| 1º ano - semestre Outono | ||
|---|---|---|
| Código | Nome | ECTS |
| 100001 | Álgebra Linear | 4.0 |
| 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 |
| 100008 | Análise Matemática I | 5.0 |
| 100010 | Análise Matemática II | 7.0 |
| 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 |
| 100157 | Programação para a Ciência de Dados | 6.0 |
| 2º ano - semestre Outono | ||
|---|---|---|
| Código | Nome | ECTS |
| 100160 | Algoritmos e Estruturas de Dados | 6.0 |
| 100163 | Aprendizagem Máquina I | 6.0 |
| 100012 | Base de Dados | 6.0 |
| 100161 | Inferência Estatística | 6.0 |
| 100162 | Pré-Processamento de Dados e Visualização | 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 |
| 100048 | Direito da Informação e da Informática | 4.0 |
| 100051 | Empreendedorismo e Análise de Projetos | 4.0 |
| 100148 | Geospatial Analytics | 4.0 |
| 100253 | Gestão da Inovação | 4.0 |
| 100064 | Gestão de Risco | 6.0 |
| 100155 | Inteligência de Processos | 4.0 |
| 100105 | Marketing Digital e Comércio Eletrónico | 4.0 |
| 100134 | Projetos de Inovação Digital | 4.0 |
| 100092 | Seminário de Sistemas de Informação | 6.0 |
| 100103 | Web Analytics | 4.0 |