Introdução:
Em Conceitos de Estatística e R procede-se a uma breve abordagem aos conceitos de Estatística, População e Amostra. Foca-se a importância de identificação de características de interesse, variáveis e sua classificação de acordo com o caráter e o tipo.
Recorrendo ao ambiente R, ilustra-se a construção de tabelas de frequências e focam-se medidas de redução de dados, com apresentação mais detalhada das medidas de localização.

Objetivos:

1. Rever conceitos elementares de estatística descritiva;
2. Instalar e correr o software estatístico R;
3. Descrever dados do tipo discreto com o R;
4. Proceder a uma redução de dados discretos simples;
5. Representar dados discretos graficamente usando o R.

Introdução:
Esta Unidade Curricular pretende dar a conhecer a diversidade de informações estatísticas disponíveis sobre diversas áreas, economia, educação, desporto, medicina ou política, que, em larga medida, são utilizadas na tomada de decisões.
Demonstrar como a Estatística constitui a base para a organização estratégica, presente e prospetiva, das atividades humanas no seio das organizações em empresas, estando em estreita associação com criação de cenários, probabilidades, que servem de base para a estimação da incerteza.
Apresentar técnicas de normalização de dados alinhados com as normas ISO.

Objetivos:

1. Conhecer conceitos e representações de modo a compreender e ser capaz de produzir informação estatística e de a utilizar para resolver problemas e tomar decisões informadas.
2. Desenvolver investigação fundada na estatística.
3. Utilizar meios computacionais para simular comportamentos de fenómenos aleatórios.

Introdução:
Esta Unidade Curricular visa dotar os alunos de conhecimentos sobre Visualização de Dados, com aplicação a Ciência de Dados, de forma a auxiliar a compreensão e a divulgação de informações, a construir representações visuais e a promover a transição de dados brutos para insights/inspiração e formulação de hipóteses.

Objetivos:

1. Criar gráficos adequados ao tipo de contexto e ao problema a explorar.
2. Criar e aperfeiçoar gráficos, usando as ferramentas R e Python.
3. Integrar gráficos desenvolvidos em R/Python em ambientes interativos.
4. Desenhar e desenvolver dashboards de acesso a Big Data para manipulação interativa de múltiplos gráficos.
5. Compreender conceitos de visualização de informações.
6. Realizar análise visual temporal de eventos.
7. Analisar conjuntos de dados espaciais e temporais.
8.  Realizar análise visual de social de conjuntos de dados, de textos e de recursos multimédia.
9. Compreender e saber integrar georreferenciação na análise de dados.

Introdução:
Esta Unidade Curricular pretende transmitir conhecimentos sobre princípios e métodos fundamentais da Inteligência Artificial para o desenvolvimento de modelos inteligentes para a construção do conhecimento.

Objetivos:

1. Introduzir conceitos e modelos de Inteligência Artificial.
2. Algoritmos de Inteligência Artificial.
3. “Deep Learning” e Algoritmos genéticos.
4. Introduzir conceitos de algoritmos de otimização.
5. Perceber a utilização de modelos de inteligência artificial e otimização.

Introdução:
Os sistemas de Suporte à Decisão e de Inteligência de negócios são fundamentais para várias áreas da Saúde, Indústria e Gestão.
Podem-se aplicar a vários aspetos aspetos da tomada de decisão e encontram-se a diferentes níveis, operacional, tático e estratégico.
Apoiam a tomada de decisão sobre problemas não estruturados e semiestruturados e utilizam modelos de inteligência artificial, estatísticos e motores de regras.
Esta Unidade Curricular introduz ainda o conceito dos Sistemas de Informação Geográfica nos Sistemas de Suporte à Decisão.

Objetivos:

1. Apresentar os conceitos dos DSS e os seus principais componentes.
2. Discutir como desenvolver e implementar DSS em casos reais.
3. Relacionar os DSS com os sistemas de Business Intelligence e perceber a integração entre estes.
4. Perceber a introdução da georreferenciação e o desenvolvimento dos “Spatial Decision Support Systems” (DSS).

Introdução:
Esta Unidade Curricular pretende capacitar os formandos para lidarem com um problema de Ciência de Dados a partir da sua formulação inicial, através de uma solução proposta  e da comunicação dos respetivos resultados.
Considera, por isso, face ao conjunto de abordagens e de conhecimentos precedentes a elaboração de um projeto concreto que inclua as seguintes dimensões:
i. Motivação, definição de problemas e possíveis abordagens;
ii. Solução proposta;
iii. Resultados, conclusões, limites para a análise e orientações para trabalhos futuros.

Objetivos:

1. Demonstrar proficiência em todo o processo de recolha, preparação, e análise de dados do mundo real para fornecer uma solução para o problema inicial.
2. Aprender a trabalhar em equipa, desenvolvendo soluções para problemas empresariais pela partilha entre pares e orientadores.
3. Apresentar resultados e códigos reprodutíveis e éticos.

A escolher uma UC entre as seguintes:

• Análise de Dados Clínicos e Workflows
• Análise da Cadeia de Valor
• Ciência de Dados e Políticas Públicas
• Análise de Redes Sociais