Enquadramento

A ascensão da internet e a transformação digital da sociedade são acontecimentos que têm gerado um grande volume de dados em diversas áreas.

A Pós-Graduação em Engenharia Informática com Análise de Dados não é um curso de gestão, mas sim uma formação completa voltada para a pesquisa e implementação, tanto a nível tecnológico, como a nível de dados. Os formadores do curso são especialistas e partilham conhecimento atualizado, para que o aluno esteja preparado para contextos de trabalho atuais.

Na formação, os alunos irão adquirir conhecimento avançado nas áreas de engenharia informática e análise de dados e aprofundar os conhecimentos tecnológicos adquiridos no 1.º ciclo (licenciatura).

Ao longo das aulas, o aluno irá adquirir o conhecimento necessário para treinar futuros especialistas na área ou trabalhar nas melhores empresas de toda a Europa e desenvolver a capacidade analítica e o pensamento crítico.

Profissionais que terminem o curso com distinção serão capazes de organizar grandes volumes de dados e desenvolver soluções que permitam aproveitar todo o potencial desses mesmos dados. A Pós-Graduação em Engenharia Informática com Análise de Dados abre as portas para cargos elevados em empresas de Portugal ou de toda a Europa.

Objetivos

No final da Pós-Graduação, o aluno deverá ser capaz de:

  • Trabalhar com os melhores profissionais da área no desenvolvimento de sistemas e softwares de informação multimédia e em projetos de pesquisa e análise de dados.
  • Ser um elemento essencial em qualquer negócio, pois irá ajudar a empresa a tomar decisões com base em dados concretos e não depender da intuição.

Público-alvo

Este curso é destinado a profissionais que trabalhem na área da informática ou que tenham interesse nas áreas de engenharia, informática e análise de dados e que tenham licenciatura em áreas semelhantes, como na área de tecnologia. O curso não exige experiência prévia em contexto prático.

Plano de Estudos

UNIDADES CURRICULARES ECTS
  • Introdução às ferramentas R e RStudio, abordando instalação, funcionalidades e ambiente de trabalho
  • Programação em R: variáveis, estruturas de dados, funções, controlo de fluxo e iteração
  • Processos de importação, preparação e manipulação de dados, com recurso ao tidyverse
  • Visualização: grammar of graphics e a utilização do pacote ggplot2 para a representação de informação
  • Métodos de análise exploratória de dados e estatística descritiva, seguidos de conceitos e aplicações de estatística inferencial, incluindo testes de hipóteses
  • Fundamentos de machine learning: algoritmos básicos, limitações e implicações éticas da sua utilização
  • O modelo de custos relacional: processador de consultas, operadores e estatísticas
  • Cálculo de custos de planos de consulta e otimização em SQL
  • O modelo objeto-relacional: conceitos, extensões em PostgreSQL e Oracle
  • O modelo objeto: esquemas orientados a objetos e consultas em db4o
  • Consultas no modelo objeto: linguagens, execução e análise de desempenho
  • O modelo de documentos: fundamentos, modelação em MongoDB e PostgreSQL
  • Consultas no modelo de documentos: linguagens, processamento e comparação entre abordagens nativas e relacionais
  • Introdução aos sistemas Ubicomp/IoT
  • Tecnologias de comunicação sem fios
  • Protocolos e serviços IoT
  • Contexto e localização
  • Adaptação dinâmica, gestão energética e segurança
  • Sistemas embebidos – Arduino com ZigBee/XBee
  • Sistemas embebidos – LoPy com WiFi/BLE
  • Introdução à Inteligência Artificial e Agentes Inteligentes
  • Resolução de Problemas, Pesquisa Não Informada
  • Resolução de Problemas, Pesquisa Informada e Heurísticas
  • Pesquisa com Satisfação de Restrições
  • Pesquisa com Adversários e Jogos
  • Introdução à Aprendizagem Computacional
  • Aprendizagem Computacional e Redes Neuronais
  • A Interação Homem-Máquina como disciplina de estudo
  • Conceitos de mediação em sistemas digitais
  • O ciclo de desenvolvimento em Interação Homem-Máquina
  • A descoberta das necessidades do utilizador
  • Alternativas de projeto no desenvolvimento em Interação Homem-Máquina
  • A prototipagem no desenvolvimento em Interação Homem-Máquina
  • A avaliação no desenvolvimento em Interação Homem-Máquina
  • Tecnologias e ferramentas de desenvolvimento de aplicações móveis
  • Modelo de desenvolvimento Android com Kotlin e Android Studio
  • Bases de dados locais SQLite e ORM (Room)
  • Comunicações HTTP e programação assíncrona
  • Serviços locais (Intent Services, Services)
  • Visualização de mapas e interação com Google Services
  • Testes unitários e de integração de aplicações Android
  • Arquitetura de aplicações web: modelos, padrões de projeto e critérios de escolha
  • Docker: instalação, configuração, containers, imagens e Docker Compose
  • Backend com Golang e Gin: rotas, handlers, persistência de dados, segurança
  • Frontend com React: configuração, componentes, estado, formulários, consumo de APIs
  • Integração backend/frontend: comunicação, autenticação/autorização com JWT
  • Testes de software em aplicações web
  • Deploy de aplicações completas com Docker
  • Introdução à Engenharia de Software
  • Especificação de requisitos de software
  • Modelação de sistemas de software com UML
  • Desenvolvimento de aplicações backend com Node.js e Express
  • Integração de bases de dados, rotas, controladores e formulários
  • Automação de testes e Test Driven Development
  • Integração contínua, entrega contínua e implantação em produção
  • Introdução à tecnologia de comunicação sem fios
  • Transmissão de dados em redes sem fios
  • Conceitos básicos de antenas e propagação de sinal em redes sem fios
  • Técnicas de multiplexagem de terminais em redes sem fios
  • Tecnologias de rede sem fios de área local (WLANs)
  • Tecnologias de rede sem fios para IoT (WPANs e LPWANs)
  • Redes Celulares (WWANs)
  • Introdução e fundamentos sobre imagem e visão computacional
  • Introdução ao processamento e análise de imagem no domínio espacial
  • Processamento de imagem morfológico
  • Processamento de imagens a cores
  • Segmentação de imagem
  • Representação e descrição de características visuais
  • Reconhecimento e segmentação de objetos com aprendizagem computacional (Machine Learning – ML)

METODOLOGIA E SISTEMA DE AVALIAÇÃO

METODOLOGIA

Durante as 8 semanas de cada disciplina, os estudantes contam com o suporte de um professor especialista no conteúdo que irá responder a dúvidas, interagir com os estudantes e ensinar novos conteúdos.

A principal característica é a flexibilidade, por isso, a forma de estudo/interação é assíncrona, ou seja, o aluno faz a gestão do seu tempo e local de estudo, não sendo obrigado a estar disponível num horário específico. As 20h semanais são uma média de dedicação de um estudante, ninguém é obrigado a realizá-las (não serão contabilizadas) e podem ser distribuídas como o aluno desejar. Ex.: 5h/ dia de segunda a sexta. 10h/ dia sábado e domingo.

Pode optar pela frequência do curso em:

  • Full-time (duração total de 10 meses), assistindo a duas disciplinas de cada vez;
  • ou Part-time (duração total de 20 meses), assistindo a uma disciplina de cada vez.

A cada intake, sensivelmente de 2 em 2 meses, iniciam novas disciplinas.

O conteúdo das disciplinas é composto por vídeos, apresentações, PDFs, leitura de livros de bibliotecas digitais, entre outros tipos de recursos educacionais.

A LMS (plataforma) utilizada na UFP é o Canvas, um dos mais modernos LMS do mercado.

SISTEMA DE AVALIAÇÃO

Todos os módulos/disciplinas têm avaliações.

As avaliações são contínuas, ou seja, ocorrem ao longo da disciplina e não apenas no final. São compostas por questionários de escolha múltipla, fóruns de discussão, elaboração de trabalhos em grupo e artigos científicos.

Não existe a necessidade de elaboração de uma dissertação ou tese no final.

Condições

CUSTOS

Full-time: 700.00€ x 5 intakes.
Part-time: 350.00€ x 10 intakes.
(custo total do curso: 3500.00€)

DOCUMENTOS NECESSÁRIOS PARA A INSCRIÇÃO

  • Diploma ou certificado de habilitações literárias: certificado de graduação no ensino superior ou certificado de conclusão do ensino secundário (para quem não é graduado e necessita utilizar a experiência profissional para efeito de candidatura);
  • Cópia autenticada do Cartão da Ordem Profissional, se aplicável;
  • Curriculum Vitae (Modelo Europass);
  • Elementos comprovativos das atividades indicadas no CV;
  • Cópia do documento de identificação civil e fiscal (para emissão de recibos);

OBSERVAÇÕES

  • Como o curso é 100% online o cartão de residência não é obrigatório, pois não há a necessidade de morar em Portugal.
  • Documentos que constem em Inglês, Francês e Espanhol não precisam de tradução oficial. Para os demais idiomas precisa de uma tradução oficial.
  • Para os candidatos cuja língua nativa não é o português, é necessário documento que ateste proficiência linguística com nota mínima B2.

Efetue aqui a sua Pré-inscrição

Contacto

Academia Fernando Pessoa
Praça 9 de Abril, 349
4249-004 Porto
T. +351 22 507 1300
academia@fundacaofernandopessoa.pt