Análise e Engenharia de Big Data
Objetivos educativos
A crescente e desafiante transformação digital, a internet, as redes sociais, e a utilização generalizada de sensores geram grandes volumes de dados de forma contínua, em setores chave como a saúde, a administração pública, media e comunicação social, marketing e comércio eletrónico, finanças, energia, ambiente e urbanismo, telecomunicações, indústria farmacêutica e bioinformática.
O Mestrado em Análise e Engenharia de Big Data permite formar profissionais altamente especializados, com um perfil inovador e uma forte capacidade para criar valor a partir dos dados, nos processos de gestão e inovação em todos os domínios da indústria e serviços.
O Mestrado em Análise e Engenharia de Big Data beneficia da valência de dois departamentos da NOVA FCT: Informática e Matemática, sendo esta a base da Ciência e Engenharia de Dados.
Com uma forte componente teórico-prática, este Mestrado permite desenvolver sólidas competências de processamento e análise de grandes volumes de dados por métodos e metodologias de última geração (Aprendizagem Automática, Análise da Dados Avançada).
Porquê este mestrado?
- Metodologia de ensino que combina a teoria com uma significativa experiência prática, com dados reais e recurso a ferramentas atuais;
- Ensino suportado pela excelência de dois departamentos da NOVA FCT: Informática e Matemática, sendo a base da Ciência e Engenharia de Dados;
- Possibilidade de escolha do percurso curricular: conjunto de unidades curriculares obrigatórias no primeiro semestre e 4 unidades curriculares de especialização a escolher entre grande oferta de unidades curriculares avançadas;
- Tese de mestrado não apenas de 6 meses,mas com uma duração de 1 ano completo sobre temas de investigação dos centros de investigação NOVA LINCS e NOVA MATH ou sobre temas e desafios de investigação realizadfas em empresas parceiras do mestrado.
- Forte ligação ao meio empresarial e parcerias estratégicas;
- Profissionais especializados no domínio da Ciência e Engenharia de Dados, fortemente procurados pelo mercado de trabalho, em diferentes setores da indústria e serviços.
Saídas profissionais
- Integrar e contribuir para a liderança e construção de equipas especializadas em Análise e Engenharia de Dados em grandes organizações ou empresas de em várias áreas de atividade (Saúde, Administração Pública, Comércio eletrónico e marketing, Banca e Seguros, Energia, meio ambiente e urbanismo, Telecomunicações, Media e comunicação social, Indústria farmacêutica ou biotecnológica, etc.);
- Integrar e contribuir para a liderança e construção de equipas especializadas em Análise e Engenharia de Dados em consultoras nacionais e internacionais que atuam nestes mesmos sectores de atividade;
- Desenvolver investigação científica na academia ou empresas líderes soluções para Análise e Engenharia de Dados
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
25
Propinas
A disponibilizar brevemente
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 | 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 | 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
Titulares de licenciatura ou equivalente legal em licenciaturas das áreas de Engenharia, Ciências Exatas, Ciências Naturais ou Economia, sujeito a apreciação curricular dos candidatos. O programa requer bases matemáticas e noções de computação e programação;
Titulares de um grau académico superior estrangeiro conferido na sequência de um 1.º ciclo de estudos organizado, em áreas de acordo com os princípios do Processo de Bolonha por um Estado aderente a este Processo;
Titulares de um grau académico superior estrangeiro, em áreas, que seja reconhecidas como satisfazendo os objetivos do grau de licenciado pelo Conselho Científico da NOVA FCT;
Detentores de um currículo escolar, científico ou profissional, que seja reconhecido como atestando capacidade para realização deste ciclo de estudos pela Comissão Científica do curso.
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 |
| 12507 | Visualização e Análise 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 |
| 12507 | Visualização e Análise 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 |
| 12507 | Visualização e Análise 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 |