Pós-Graduação 100% Online em Data Analytics & Big Data

A presente Pós-Graduação pretende entregar conhecimentos e competências em Data Analytics & Big Data a um nível avançado, que constituam suporte para tomada de decisão e construção de soluções com base em dados.

No decorrer do curso os alunos irão ser capazes de identificar problemas com solução com recurso a dados de modo a compreender os dados e identificar padrões, usando técnicas de data analytics e machine learning. Pretende-se que através dos conhecimentos apreendidos sejam aptos a tomar decisões e construir soluções com base em dados.

Online	Português
Início: Outubro 2024	18 ECTS
8 meses	Não conferente de grau	Faculdade Online

Porquê a Pós-Graduação 100% Online em Data Analytics & Big Data?

Adquirir competências essenciais em Data Analytics & Big Data:

Formação abrangente que aborda aspectos técnicos, analíticos, estratégicos e comunicacionais, essenciais para dominar Data Analytics & Big Data
Combinação de competências matemáticas, estatísticas e computacionais para análise de problemas complexos.
Utilização de ferramentas para tratamento de big data e preparação de bases de dados.
Desenvolver modelos quantitativos de análise e previsão.
Usar linguagens de programação.

Corpo docente de excelência

A equipa de professores combina conhecimentos académicos e experiência profissional, sendo reconhecida nas suas áreas de especialidade, garantindo uma aprendizagem de alta qualidade.

Visão prática do mercado e certificação DSPA

Sessões com especialistas da academia e da indústria, proporcionando uma visão prática e atual do mercado;
Preparação dos alunos para obtenção da certificação pela Data Science Portuguese Association (DSPA).

Parcerias e certificações

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 a Pós-Graduação:

Plano de Estudos

Módulos	Unidades de Ensino	Docentes
Estatística para Data Analytics	Conceitos fundamentais & Métodos descritivos Distribuições Inferência estatística Redução & Classificação Regressão	Fernando Gonçalves José Cruz
Programação para Data Analytics	Introdução ao Python Funções Estrutura de dados Controlo de erros Programação orientada a objetos	Gilson Silva
Bases de Dados & Visualização	Bases de dados Fundamentos de SQL e funções Funções nativas Visualização de dados Power BI	Mariana Cavique Beatriz Leal
Cloud Computing & Sistemas Distribuídos	Topologias de sistemas distribuídos Segurança informática Sistemas distribuídos e Big Data Computação em sistemas distribuídos Modelos de serviços cloud e distribuídos	Pedro Joaquim
Machine Learning & Applications	Fundamentos de Machine Learning Algoritmos de aprendizagem não supervisionada - Princípios matemáticos e computacionais Algoritmos de aprendizagem não supervisionada - Aplicações Algoritmos de aprendizagem supervisionada - Princípios matemáticos e computacionais Algoritmos de aprendizagem supervisionada - Aplicações	Filipe Ramos Didier Lopes Diogo Ribeiro Santos
Data Analytics nas Organizações	Data Analytics nas Organizações: prespectivas e desafios futuros Data Analytics nas Organizações: aplicações práticas Generative AI Modelos de Machine Learning na tomada de decisão: Explicabilidade/Interpretabilidade Data Analytics nos Mercados Financeiros	Filipe Ramos Luís Almeida Diogo Ribeiro Santos Ricardo Galante Didier Lopes

Coordenação

Fernando Gonçalves

Consultar Linkedin

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. O seu trabalho encontra-se publicado em revistas científicas internacionais da especialidade. É Professor na Universidade Europeia, coordenando a licenciatura e os mestrados na área de Ciência de Dados.

Filipe Ramos

Consultar Linkedin

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 Auxiliar Convidado na FCUL e Investigador Integrado no CEAUL. 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.

Corpo docente composto por profissionais do ramo, com larga experiência.

Docentes

Alexandre Pereira: Mestrado em Engenharia | Sócio, Klab | Professor, U Europeia

Beatriz Leal | Linkedin

Mestrado em Matemática e Estatística | Data Analyst, Teleperformance | Professor, ISEG

Didier Lopes | Linkedin

Mestrado em Engenharia – Sistemas de Controlo | Founder & CEO, OpenBB

Diogo Ribeiro Santos | Linkedin

Doutoramento em Gestão | Independent Financial Advisor | Professor, U Europeia & AESE

Fernando Matos | Linkedin

Licenciatura em Informática de Gestão | Cofounder, Closer & Presidente, Data Science Portuguese Association

Girson Silva | Linkedin

Mestrado em Matemática e Estatística | Senior Data Analyst, BNP | Professor, U Europeia

José Cruz | Linkedin

Doutoramento em Matemática e Estatística | Professor, U Europeia

Mariana Cavique | Linkedin

Mestrado em Engenharia| Professor, U Europeia

Ricardo Galante | Linkedin

Mestrado em Estatística | Principal Analytics & Artificial Intelligence Advisor, SAS Iberia | Professor, FCUL & U Europeia

Pós-graduação em Data Analytics for Business

Saídas profissionais

O estudante que terminar o programa com sucesso, estará preparado para desempenhar funções nas seguintes áreas:

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 por definir a infraestrutura necessária para projectos com grandes volumes de dados;
Especialista em análise de dados e machine learning. Responsável pela programação dos sistemas de tratamento de dados e aprendizagem automática.

Metodologia Online

Flexibilidade

Aulas 100% Online em direto que ficarão gravadas e sempre disponíveis para que possa assistir quando e onde quiser.

Para si

Contará com o apoio dos nossos professores especializados que o irão ajudar na sua aprendizagem, bem como um gestor académico que o irá acompanhar e orientar durante o seu percurso académico.

Aprendizagem experiencial

Realização de projetos aplicados com casos de estudo reais e ambientes simulados, para que possa liderar os desafios da sua profissão.

Admissões

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

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

Para dar início ao Processo de Admissão, o candidato deverá seguir estes 3 passos:

Pedido de Informação

Agende uma conversa de esclarecimento com um Admissions Advisor

Documentação

Reúna a documentação solicitada no processo de admissão

Candidatura

Avance com a formalização da candidatura online.

Candidatar-me

Pós-Graduação 100% Online em Data Analytics & Big Data Online