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.
Para saber mais sobre esta licenciatura, visite o nosso website: https://www.novaims.unl.pt/pt/ensino/cursos/licenciaturas/ciencia-de-dados/.
Caracterização geral
Código DGES
L188
Ciclo
Licenciatura (1.º Ciclo)
Grau
Licenciatura
Acesso a outros cursos
Este curso confere acesso a Mestrado.
Coordenador
A disponibilizar brevemente
Data de abertura
O curso terá início em setembro de 2026.
Número máximo de admissões
45
Propinas
697 euros
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 2026: 1.ª Fase: de 20 de julho a 6 de agosto de 2026; 2.ª Fase: de 24 de agosto a 2 de setembro de 2026. Código de Estabelecimento: 0906 Código de Curso: L188 Fórmula da Nota de Candidatura Ensino Secundário: 50% Prova de Ingresso: 50% Classicações Mínimas: Nota de Candidatura: 100 Nota de Ingresso: 95 Pré-Requisitos: Não tem Prova de Ingresso: (Um dos seguintes conjuntos): 19 - Matemática A e 02 - Biologia e Geologia 19 - Matemática A e 04 - Economia 19 - Matemática A e 07 - Física e Química 19 - Matemática A e 09 - Geografia 19 - Matemática A e 10 - Geometria Descritiva 19 - Matemática A e 18 - Português 19 - Matemática A
Regras de avaliação
O método de avaliação será por avaliação contínua, ou seja, através da realização de trabalhos individuais ou de grupo, projetos, quizzes, testes/exames, etc. Cabe a cada docente de cada Unidade Curricular (UC) definir, ao início de cada ano letivo, como será feita a avaliação nas suas UCs, esta informação é depois disponibilizada através da plataforma de aluno.
Estrutura
| 1.º ano - Obrigatórias | ||
|---|---|---|
| Código | Nome | ECTS |
| 100001 | Álgebra Linear | |
| 100160 | Algoritmos e Estruturas de Dados | |
| 100008 | Análise Matemática I | |
| 100010 | Análise Matemática II | |
| 100152 | Arquiteturas de Computadores | |
| 100151 | Aspetos Fundamentais da Ciência de Dados | |
| 100035 | Desenvolvimento Pessoal I | |
| 100156 | Estatística e Distribuições de Probabilidade | |
| 100159 | Introdução à Inteligência Artificial | |
| 100158 | Introdução ao Pensamento Computacional e Ciência de Dados | |
| 100150 | Introdução à Programação | |
| 100094 | Sistemas de Informação | |
| 2.º ano - Obrigatórias | ||
|---|---|---|
| Código | Nome | ECTS |
| 100165 | Algoritmos de Optimização | |
| 100164 | Análise de Regressão | |
| 100163 | Aprendizagem Máquina I | |
| 100167 | Aprendizagem Máquina II | |
| 100166 | Armazenamento de Grandes Volumes de Dados | |
| 100012 | Base de Dados | |
| 100161 | Inferência Estatística | |
| 100086 | Métodos de Previsão | |
| 100162 | Pré-Processamento de Dados e Visualização | |
| 100157 | Programação para a Ciência de Dados | |
| 3.º ano - Obrigatórias | ||
|---|---|---|
| Código | Nome | ECTS |
| 100172 | Análise de Grandes Volumes de Dados | |
| 100169 | Aprendizagem Profunda | |
| 100168 | Aspetos Éticos, Sociais e Legais da Inteligência Artificial | |
| 100040 | Desenvolvimento Pessoal II | |
| 100171 | Projeto de Curso | |
| 100170 | Text Mining | |