- Cursos
- Estudante IPVC
- Guia de Acolhimento
- Provedor do Estudante
- Representação da Comunidade Estudantil nos Órgãos da Instituição
- Calendário Escolar
- Propinas e Emolumentos
- Renovação de Inscrição
- Horários e Assiduidade
- Mapa de Exames
- Estatutos Especiais
- Certidões, Inscrições e Requerimentos
- Frequência de Unidades Curriculares Isoladas
- Creditação / Certificação de competências
- Suplemento ao Diploma
- Carta de Curso
- Mobilidade
- Apoio aos alunos
- Legislação e Regulamentos
- Estudante Internacional
- Candidato IPVC
- Acesso e Ingresso
- Ano Zero
- Gabinete de Acesso
- Candidaturas ao Ensino Superior
- Regimes Especiais de Acesso
- Concursos Especiais
- Maiores de 23 anos
- Diplomados de Vias Profissionalizantes
- Reingresso, Mudança de Instituição/Curso
- CTeSP
- Mestrados
- Pós-Graduações
- Frequência de Unidades Curriculares Isoladas
- Matrícula e Inscrição
- Estatutos Especiais
- Propinas e Emolumentos
- Legislação e Regulamentos
- Reconhecimento de Graus e Diplomas
- ALUMNI
(Português) Análise de Dados: Especialização em Dados

- Presentation
- Access
- Study cycle
- Information about the study cycle
- Formadores
Início / Study / Stand-Alone Course Units / Análise de Dados: Especialização em Dados
Presentation
(Português)
Conheça melhor a formação Microcredenciada em Análise de Dados: Especialização em Dados
No âmbito do programa IPVC OCEAN, o Politécnico de Viana do Castelo promove uma série de ações de formação microcredenciadas, centradas nas áreas da sustentabilidade, das smart cities e da análise de dados. Cada ação de formação microcredenciada apresenta três níveis: inicial, intermédio e avançado. A cada nível corresponderá um número específico de créditos, que poderão, na sua soma, ser utilizados numa pós-graduação específica.
Aqui fique a conhecer a ação microcredenciada em Análise de Dados: Especialização em Dados de nível avançado.
A formação microcredenciada em Análise de Dados: Especialização em Dados insere-se apenas na CNAEF 481 – Ciências Informáticas. A formação irá funcionar em regime online, com índole teórica e teórico-prática. Recorrendo a um método de aprendizagem centrado no formando, a formação centra-se em casos práticos, reforçando a criatividade e o espírito crítico do mesmo, através da realização de exercícios práticos.
As competências adquiridas capacitam os formandos a compreender e aplicar conceitos fundamentais de Big Data, análise de séries temporais e machine learning, bem como a utilizar tecnologias e ferramentas associadas para lidar com grandes volumes de dados, extrair insights significativos e desenvolver modelos preditivos. Além disso, habilitam-nos a abordar questões éticas e de governança relacionadas com a análise de dados e machine learning, garantindo a conformidade com regulamentações de proteção de dados e promovendo a segurança e a responsabilidade social na aplicação destas tecnologias.
Degree
Duration
Regime
CNAEF Area
School
Reasons to attend the course
(Português)
A metodologia de ensino combina elementos de aprendizagem expositivo, demonstrativo e ativo utilizando materiais de apoio como apresentações em PowerPoint (PPT), casos práticos e exercícios. Os formandos têm assim a oportunidade de adquirir conhecimento através da informação fornecida pelo formador durante as sessões de formação, para além do conhecimento adquirido na análise de estudos de caso e exercícios práticos. Desta forma, os/as formandos/as são capazes de praticar e consolidar o que aprenderam, com o auxílio do/a formador/a.
Os recursos tecnológicos e informáticos permitem o acesso aos materiais do curso, exercícios e recursos adicionais. Estes recursos permitirão também uma comunicação facilitada entre formador/a e formandos/as, permitindo interações assíncronas e síncronas, como fóruns de discussão, chats e videoconferências.
Calendário
De 05 de maio a 09 de junho
Horário
Horário: 5, 8, 12, 15, 19, 22, 26 e 29 de maio e 2 e 9 de junho (síncrono); 5, 6, 7, 8, 12, 13, 14, 15, 16, 19, 20, 21, 22, 23, 26, 27, 28, 29 e 30 de maio e 2, 3, 4, 5 e 6 de junho (assíncrono)
Duração: 54 horas de contacto (laboral)
A formação confere 6 créditos (ECTS).
Bolsa Incentivo PRR
Bolsa correspondente a 50% do valor da propina a ser atribuída a quem concluir a formação com sucesso e em tempo útil.
PRR BDA: Blue Design Alliance

Coordinator

Coordinator

Links
Documents
Access
Access conditions
(Português)
Conhecimento avançado em bases de dados e noções básicas de inteligência artificial (IA)/machine learning (ML) e experiência em análise de dados e programação, preferencialmente em linguagens como Python e/ou R e SQL. Formação adequada para pessoas com qualificação de nível de licenciatura (nível 6 EQF). Apenas possível para >18 anos.
Conteúdos programáticos:
- Big Data e Ferramentas de Processamento de Dados | 12 horas
- Análise de Séries Temporais | 12 horas
- Machine Learning | 12 horas
- Ética e Governança de Dados | 18 horas
Coordinator

Links
Documents
Goals
(Português)
- Compreender os conceitos e características fundamentais de Big Data, incluindo os desafios associados ao volume, velocidade, variedade, veracidade e valor dos dados.
- Explorar as tecnologias de armazenamento e processamento de Big Data, para lidar com grandes volumes de dados de forma distribuída.
- Adquirir conhecimentos sobre as ferramentas de Big Data e aprender práticas de implementação e gestão de ambientes de Big Data.
- Dominar a análise de séries temporais, compreendendo os componentes das séries, modelos básicos e avançados, avaliação de modelos e aplicações em diversos setores.
- Aprofundar os conhecimentos em machine learning, abordando técnicas de preparação de dados, modelos supervisionados e não supervisionados, avaliação de desempenho e técnicas avançadas como deep learning.
- Explorar questões éticas na análise de dados e machine learning, incluindo privacidade, bias, legislação de proteção de dados e governança de dados, e aplicar princípios éticos e de governança em cenários reais.
- Desenvolver competências em segurança de dados e gestão de riscos em projetos de análise de dados e machine learning, reconhecendo os impactos sociais e a responsabilidade social associados a estas tecnologias.
Study Plan
| Curricular Unit | Area | Type | Contact hours | ECTS | PUC |
|---|---|---|---|---|---|
| Especialização em Dados | EIM | S1 | TP:54.00 | 6.00 |
Coordinator

Links
Documents
Partnerships and internships
(Português) 
Coordinator

Links
Documents
(Português) 
Ricardo Neves
Licenciado em Economia pela Faculdade de Economia da Universidade de Coimbra, Pós-graduado em Applied Artificial Intelligence & Machine Learning pelo ISEG-Universidade de Lisboa e é Mestrando em Estatística Computacional na Universidade Aberta. Certificado pela Google como Tensorflow Developer e frequentou formações profissionais em programação e desenvolvimento de base de dados. Foi Bolseiro de Gestão de Ciência e Tecnologia na Universidade de Coimbra e Bolseiro de Investigação no Departamento de Estatística e Investigação Operacional da Faculdade de Ciências da Universidade de Lisboa. Atualmente exerce o cargo de Engenheiro de Dados no BNP Paribas.
Coordinator
