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).

Saídas profissionais

O Mestrado em Análise e Engenharia de Big Data visa a educação de analistas, líderes de desenvolvimento do projeto e especialistas em inovação no campo emergente da Ciência de Dados e Engenharia. Os especialistas nesta área de Big Data são especialmente procurados por todas as empresas e instituições onde são gerados ou são consumidos grandes volumes de dados, nomeadamente na saúde, na administração pública, comércio electrónico e marketing, finanças, energia, meio ambiente e urbanismo, telecomunicações, media e comunicação social, indústria farmacêutica ou biotecnológica.

Caracterização geral

Código DGES

994

Ciclo

Mestrado (2.º Ciclo)

Grau

Mestre

Acesso a outros cursos

Acesso ao 3.º ciclo

Coordenador

João Carlos Gomes Moura Pires

Data de abertura

Setembro

Número máximo de admissões

Propinas

Estudantes nacionais: 2000 Euros/anual

Estudantes internacionais: 7000 Euros/anual

Horários

Diurno

Idioma de ensino

A disponibilizar brevemente

Requisitos para obtenção do grau ou diploma

Duração: 2 anos

Créditos totais: 120 ECTS

Área científica	Sigla	Créditos (ECTS)
Área científica	Sigla	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	0	6 a)
TOTAL		96	24

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

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
O aluno deverá obter 6.0 créditos nesta opção.

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

Unidade Curricular de Bloco Livre - O estudante deverá realizar 6 ECTS de entre as UC que integram o Bloco Livre FCT, aprovado anualmente pelo Conselho Científico da FCT NOVA, o qual inclui unidades de todas as áreas científicas da FCT NOVA.