17263

O que procura?

Licenciatura em psicologia, admissões…

Admissões:+351 210 205 703
Geral:
Campus Quinta do Bom Nome: +351 210 309 900
Campus Santos: +351 213 939 600
Campus Lispólis: +351 210 533 820
Whatsapp
Presencial: +351969704048

Mestrado em Ciência de Dados e Gestão Lisboa

O Mestrado em Ciência de Dados e Gestão da Europeia é inovador, assente numa metodologia de ensino imersivo, que proporciona uma formação avançada, atual e rigorosa, com domínio teórico e prático dos mais recentes avanços na área da ciência de dados e das suas aplicações à gestão.

Selecione o regime preferencial

Mestrado em Ciência de Dados e Gestão

O Mestrado em Ciências de Dados e Gestão conta com um corpo docente de excelência e com extensa experiência e reconhecimento das suas áreas de atuação e especialidade, este curso visa especializar e preparar os estudantes para extrair, combinar e analisar grandes volumes de dados complexos com vista a melhorar a visibilidade da informação, gerar oportunidades e aumentar a vantagem competitiva e estratégica das organizações.

Presencial
Quinta do Bom Nome 2 anos, 120 ECTS
Início: Setembro 2025
Faculdade de Ciências Sociais e Tecnologia

Porquê o Mestrado em Ciência de Dados e Gestão?

Fatores Inovadores
  • Docência: Corpo docente de excelência, combinando valências académicas e profissionais, com extensa experiência e reconhecimento nas suas áreas de atuação e especialidade.
  • Metodologia: Ensino imersivo baseado em projeto (PBL – Project Based Learning), com exploração de uma variedade de ferramentas de Ciência de Dados e Gestão.
  • Dualidade de valências: Competências fornecidas em Ciência de Dados e nas áreas de aplicação à Gestão.
  • Dualidade de visão: Combinação da perspectiva académica e técnica com a visão da Indústria, com acesso a sessões de seminário e/ou webinar de especialistas oriundos da academia e indústria.
  • Flexibilidade: Dissertação ajustada aos interesses dos estudantes, com orientação por professores de referência;
  • Certificação: Conferência de sólida preparação com vista a certificação junto da DSPA (Data Science Portuguese Association).
Objetivos

O Mestrado em Ciência de Dados e Gestão visa fornecer competências avançadas num conjunto de ferramentas de análise dados e, simultaneamente, a reflexão sobre a sua utilização em contextos de negócio variados, nomeadamente:

  • Competências para processar e analisar grandes volumes de dados, com extração de conhecimento para tomada de decisão;
  • Competências avançadas em áreas como visualização, data mining, previsão, inteligência artificial generativa e machine learning;
  • Capacidade de analisar e comunicar soluções baseadas em evidência para desafios de negócio com uso de análise quantitativa;
  • Capacidade de aplicar técnicas de Ciência de Dados e Gestão a áreas de negócio variadas.
Benefícios
  • Desenvolvimento de competências avançadas em Ciência de Dados e suas aplicações à Gestão;
  • Corpo docente de excelência, combinando valências académicas e profissionais, com extensa experiência e reconhecimento nas suas áreas de atuação e especialidade;
  • Metodologia PBL (Project Based Learning), centrada no desenvolvimento de um projeto, com exploração de uma variedade de ferramentas de Ciência de Dados e aplicações à Gestão;
  • Abordagem inter e multidisciplinar, possibilitando a descoberta e a prática de aspetos variados de Ciência de Dados e aplicações à Gestão;
  • Integração da visão do mercado, com um conjunto de seminários e/ou webinars de especialistas oriundos da academia e da indústria;
  • Conferência de sólida preparação com vista a certificação junto da DSPA (Data Science Portuguese Association).
Destinatários
  • Licenciados nas áreas de economia, gestão ou finanças que pretendam adquirir competências adicionais em análise de dados e em gestão de informação;
  • Licenciados em matemática, estatística, física ou engenharia, com valências em ciências da computação ou em análise de dados, que pretendam familiarizar-se com as aplicações em contexto de negócio;
  • Quadros empresariais que pretendam desenvolver competências numa área em acelerado crescimento, possibilitando a tomada de decisões de negócio mais informadas;
  • Dirigentes de start ups;
  • Dirigentes de PMEs;
  • Profissionais que estejam a iniciar a sua carreira em Ciência de Dados e suas aplicações à Gestão ou queiram aprofundar conhecimentos na área.

Empresas Parceiras

Algumas das empresas que colaboram em seminários, estágios, resolução de casos e problemas práticos reais propostos em sala de aula, em projetos curriculares e concursos de ideias para o mestrado.

Plano de estudos

1º SEMESTRE

Unidades curricularesHoras Totais ContactoECTS
Análise e Visualização de Dados426
Metodologia de Investigação426
Programação para a Ciência de Dados426
Business Fundamentals for Analytics426
Finance for Analytics426

2º SEMESTRE

Unidades curricularesHoras Totais ContactoECTS
Modelos Preditivos426
Bases de Dados & Big Data426
Principles of Business Analytics426
Advanced Topics in Strategic Management426
Advanced Project Management426

3º SEMESTRE

Unidades curricularesHoras Totais ContactoECTS
Dissertação [Anual] *3042
Opção de Especialização em Business Analytics
Applied Business Analytics426
Applied Market Processes426
Business Intelligence426
Opção de Especialização em Data Science
Análise Prescritiva426
Tópicos Avançados em Data Mining426
Data Manipulation & Machine Learning426

4º SEMESTRE

Unidades curricularesHoras Totais ContactoECTS
Dissertação [Anual] *3042

* Esta unidade curricular é de natureza tutorial e tem um desenvolvimento específico para cada tema em investigação.

Coordenação

Fernando Gonçalves

Coordenador do Mestrado em Ciência de Dados e Gestão

PhD em Matemática e Estatística pela University of Edinburg. Foi Bolseiro de pós-doutoramento da Fundação para a Ciência e Tecnologia e Visiting Fellow no Mathematical Sciences Institute da Australian National University. É pós-graduado em Ciências Empresariais pelo ISCTE-IUL e licenciado em Economia, ramo de Planeamento e Métodos Quantitativos, pelo ISEG.

Os seus interesses de investigação são em Matemática Financeira e, secundariamente, em Econometria Aplicada, sendo membro integrado do REM - Research in Economics and Mathematics, centro de investigação sediado no ISEG.

Tem desenvolvido projetos de investigação internacionais, como: “STRIKE - Novel Methods in Computational Finance”, programa Marie Curie da Comissão Europeia; e “Analysis of Nonlinear Partial Differential Equations in Mathematical Finance”, programa de cooperação transnacional da Fundação para a Ciência e a Tecnologia.

É o Investigador Principal no projeto de I&D da Universidade Europeia “PDE vs DLN methods for pricing European-style financial options: A performance comparison” (2024-25).

O seu trabalho encontra-se publicado em revistas científicas internacionais da especialidade.

É Professor na Universidade Europeia, coordenando a licenciatura, os mestrados e as pós-graduações na área de Ciência de Dados.

Filipe Ramos

Co-Cooordenador do Mestrado em Ciência de Dados e Gestão

Doutorado em Gestão, na especialidade de Métodos Quantitativos, pelo ISCTE-Business School. Mestre em Matemática Financeira, pelo ISCTE-Business School/FCUL, mestre em Ensino da Matemática, pela FCT-UNL e licenciado em Matemática (Ensino) pela FCUL.

Além da docência de Matemática nos ensinos Básico e Secundário, de Matemática Aplicada em cursos da Via Profissionalizante e de várias unidades curriculares, da área científica da Matemática/Estatística, em instituições de Ensino Superior Públicas (como FCUL, ISEG, FCT-UNL e ISCTE-IUL) e Privadas (Universidade Europeia), foi ainda colaborador/consultor técnico pedagógico no IAVE (antigo GAVE) e coordenador de cursos profissionais e respetivas equipas pedagógicas.

Atualmente, é Professor na Universidade Europeia e investigador integrado no CEAUL – Centro de Estatística e Aplicações da Universidade de Lisboa. A sua atividade de investigação centra-se nos domínios da Análise de Dados e da Modelação Matemática, com destaque em: (i) "Time Series Analysis and Forecasting" (com especial aplicada às áreas da Economia, Gestão e Finanças); (ii) Data Analysis/Data Science; (iii) Machine Learning/Deep Learning. É, correntemente, Investigador no projeto de I&D da Universidade Europeia “PDE vs DLN methods for pricing European-style financial options: A performance comparison” (2024-25).

Saídas profissionais

Em época de revolução digital, o domínio das técnicas de análise de grandes volumes de dados complexos é crescentemente decisiva para as organizações.

O Mestrado em Ciência de Dados e Gestão fornece conhecimento e competências avançadas para um grande espectro de indústrias. O domínio de competências técnicas, como em machine learning e análise preditiva, e a capacidade de as utilizar para obter resultados são muito importantes e muito valorizados.

Após a conclusão do curso, o estudante estará preparado para desempenhar funções como:

  • Data Analyst | Responsável pela inspeção, limpeza, transformação e modelização de dados, necessária à descoberta de informações úteis, identificação de padrões, extração de conclusões e suporte à tomada de decisão.

  • Data Architect | Responsável pela definição da infraestrutura para projetos envolvendo o tratamento de grandes volumes de dados.

  • Machine Learning Engineer | Responsável pela construção, implantação e manutenção de sistemas de aprendizagem automática para tratamento de dados.

  • Data Scientist | Responsável por transformar dados em insights que possam orientar as decisões estratégicas de uma organização, utilizando uma combinação de valências em análise de dados, modelagem estatística e conhecimento de negócios.

Candidaturas e Admissões

Os candidatos interessados em ingressar na Universidade Europeia poderão formalizar a sua candidatura ao longo de todo o ano.

O processo de admissão está sujeito às vagas existentes e à adequação do perfil do candidato ao ciclo de estudos de interesse.

Para dar início ao processo de candidatura ou admissão, o candidato deverá seguir estes 3 passos:

1

Pedido de Informação

Agenda uma conversa de esclarecimento com um Admissions Advisor

2

Documentação

Reúne todos os documentos solicitados no processo de admissão

3

Candidatura

Avança com a formalização da candidatura, presencialmente ou online

None